BAB 6 KESIMPULAN DAN SARAN - core.ac.uk · 61 BAB 6 KESIMPULAN DAN SARAN 6.1. Kesimpulan...
Transcript of BAB 6 KESIMPULAN DAN SARAN - core.ac.uk · 61 BAB 6 KESIMPULAN DAN SARAN 6.1. Kesimpulan...
61
BAB 6
KESIMPULAN DAN SARAN
6.1. Kesimpulan
Berdasarkan pembahasan pada bab-bab sebelumnya,
dapat disimpulkan bahwa pengamatan dan analisa opini
publik mengenai brand di Twitter dapat dilakukan.
Pengamatan dilakukan dengan mengekstrak data
menggunakan pengaya Google Spreadsheet, Twitter
Archiver. Data hasil ekstrak didapatkan 12.818 data
berbahasa Indonesia mengenai brand Zenfone yang diambil
dalam rentang waktu 18 Desember 2015 – 22 Januari 2016.
Pengamatan data tweets tersebut menghasilkan pemahaman
akan karakteristik kata dan bahasa sehingga menjadi
bahan untuk melakukan analisa. Proses analisa dilakukan
menggunakan perangkat lunak Branso Analitik, sehingga
langsung akan didapatkan informasi dan grafik.
Hasil analisa yang dilakukan perangkat lunak
Branso Analitik dihasilkan dari proses
mengklasifikasikan tweets berdasarkan topik bahasan dan
sentimen. Untuk memperkirakan topik bahasan dari tweets
dilakukan dengan mencari relasi suatu kata yang
terkandung dalam tweets dengan kata dalam tabel kata
kategori yang sudah dibuat. Sehingga jika suatu kata
muncul dalam tweets, dapat diperkirakan kata tersebut
terdapat dalam kategori apa. Untuk klasifikasi sentimen
dilakukan dengan menggunakan metode Naïve Bayes
Classifier metode ini akan menghitung nilai posisi
probabilitas dari tweets berdasarkan dengan tabel data
training. Nilai posisi probabilitas terbesar dari kelas
tertentu menunjukkan bahwa tweets tersebut masuk dalam
kelas tersebut. Hasil akhir dari proses pembersihan
62
data dan klasifikasi data didapatkan data bersih
sebesar 2.747. Data bersih tersebut merupakan data
terpilih yang sudah dikategorikan topik bahasan dan
sentimen sehingga benar-benar memiliki arti dan
informasi.
Berdasarkan penjelasan di atas dapat diambil
kesimpulan bahwa perangkat lunak Branso Analitik ini
mampu menjawab rumusan masalah penelitian ini. Dan
dapat digunakan untuk membantu menganalisa brand
berbasis Twitter.
6.2. Saran
Saran yang dapat diambil dari penelitian ini
adalah perangkat lunak ini dikembangkan supaya
mempunyai fungsi untuk langsung mengambil data tweets
menggunakan API Twitter dan perangkat lunak ini dapat
berjalan di platform mobile.
63
DAFTAR PUSTAKA
Agarwal, A., 2016. Twitter Archiver. [Online]
Available at:
https://chrome.google.com/webstore/detail/twitter-
archiver/pkanpfekacaojdncfgbjadedbggbbphi
[Diakses 2016 Mei 2].
Agusta, L., 2009. Perbandingan Algoritma Stemming
Porter Dengan Algoritma Nazief & Adriani Untuk
Stemming Dokumen Teks Bahasa Indonesia. Bali,
Konferensi Nasional Sistem dan Informatika.
American Marketing Association, 2015. American
Marketing Association : Dictionary. [Online]
Available at: http://www.ama.org
[Diakses 26 November 2015].
Azis, L., 2015. TeknoUp. [Online]
Available at:
http://www.teknoup.com/review/1219/asus-zenfone-2-
ze551ml-ram-4gb/
[Diakses 25 Maret 2016].
Ellison, N. B. & Boyd , D. M., 2007. Social Network
Sites: Definition, History, and Scholarship.
Journal of Computer-Mediated Communication, 13(1),
p. 11.
GlobalWorldIndex, 2015. Global World Index (GWI)
Social, London: GlobalWorldIndex.
Harlili, H. & Wibisono, Y., 2011. Sistem Analisis Opini
Microblogging Berbahasa Indonesia, Bandung:
Institut Teknologi Bandung.
Hridoy, S. A. A. et al., 2015. Localized twitter
opinion mining using sentiment analysis. Decision
Analytics a SpringerOpen Journal, 2(8), pp. 1-19.
Indriyono, B. V., Utami, E. & Sunyoto, A., 2015.
Pemanfaatan Algoritma Porter Stemmer Untuk Bahasa
64
Indonesia Dalam Proses Klasifikasi Jenis Buku.
Jurnal Buana Informatika, 6(4), pp. 301-310.
Liyantanto, R., 2010. New Line. [Online]
Available at:
https://liyantanto.wordpress.com/2010/12/06/kata-
dasar-bahasa-indonesia/
[Diakses 2016 Mei 2].
Maurya, K. & Mishra, P., 2012. What is a brand? A
Perspective on Brand Meaning. European Journal of
Business and Management, 4(3), pp. 122-133.
Nazief, B. & Adriani, M., 1996. Confix Stripping:
Approach to Stemming Algorithm for Bahasa
Indonesia. Internal Publication : Faculty of
Computer Science, University of Indonesia, Depok.
Pullig, C., 2008. What is Brand Equity and What Does
the Branding Concept Mean to You? , Texas: Keller
Center Research Report.
Sahu, H., Shrma, S. & Gondhalakar, S., 2011. A Brief
Overview on Data Mining Survey. International
Journal of Computer Technology and Electronics
Engineering (IJCTEE) , 1(3), pp. 114-121.
Silwattananusarn, T. & Tuamsuk, K., 2012. Data Mining
and Its Applications for Knowledge Management : A
Literature Review from 2007 to 2012. International
Journal of Data Mining & Knowledge Management
Process (IJDKP), 2(5), pp. 13-24.
Simmons, G. J., 2007. “i-Branding”: Developing The
Internet As A Branding Tool. Emerald Insight :
Marketing Intelligence & Planning, 25(6), pp. 544-
562.
SPESIFIKASI KEBUTUHAN PERANGKAT LUNAK
Branso Analitik
(Analisa Brand Berbasis Twitter)
Untuk :
Fakultas Teknologi Industri
Universitas Atma Jaya Yogyakarta
Dipersiapkan oleh:
Matheus Alvian Wikanargo / 6807
Program Studi Teknik Informatika
Fakultas Teknologi Industri
Universitas Atma Jaya Yogyakarta
Program Studi Teknik
Informatika
Fakultas Teknologi Industri
Nomor Dokumen Halaman
SKPL-BRANSO 1/26
Revisi
SKPL
Program Studi Teknik Informatika SKPL – BRANSO 2/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
DAFTAR PERUBAHAN
REVISI DESKRIPSI
A
B
C
D
E
F
INDEKS TGL - A B C D E F
DITULIS OLEH
DIPERIKSA OLEH
DISETUJUI OLEH
Program Studi Teknik Informatika SKPL – BRANSO 3/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
DAFTAR HALAMAN PERUBAHAN
Halaman Revisi Halaman Revisi
Program Studi Teknik Informatika SKPL – BRANSO 4/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
DAFTAR ISI
DAFTAR PERUBAHAN ..................................... 2
DAFTAR HALAMAN PERUBAHAN ............................. 3
DAFTAR ISI ........................................... 4
DAFTAR GAMBAR ........................................ 6
1. Pendahuluan ...................................... 7
1.1 Tujuan ......................................... 7
1.2 Lingkup Masalah ................................ 7
1.3 Definisi, Akronim dan Singkatan ................ 8
Dataset .............................................. 8
1.4 Referensi ...................................... 8
1.5 Deskripsi umum (Overview) ...................... 9
2. Deskripsi Kebutuhan .............................. 9
2.1 Perspektif produk .............................. 9
2.2 Fungsi Produk ................................. 11
2.3 Karakteristik Pengguna ........................ 14
2.4 Batasan-batasan ............................... 14
2.5 Asumsi dan Ketergantungan ..................... 15
3. Kebutuhan khusus ................................ 15
3.1 Kebutuhan antarmuka eksternal ................. 15
3.2 Antarmuka pemakai ............................. 15
3.2.1 Antarmuka perangkat keras .................. 15
3.2.2 Antarmuka perangkat lunak .................. 15
3.3 Kebutuhan fungsionalitas Perangkat Lunak ...... 17
3.3.1 Use Case Diagram ........................... 17
4. Spesifikasi Rinci Kebutuhan ..................... 18
4.1 Spesifikasi Kebutuhan Fungsionalitas .......... 18
4.1.1 Use case Spesification : Pengelolaan Data
Pelengkap ........................................ 18
4.1.2 Use case Spesification : Pengelolaan Data
Training ......................................... 21
Program Studi Teknik Informatika SKPL – BRANSO 5/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4.1.3 Use case Spesification : Pemrosesan Data
Mining 23
4.1.4 Use case Spesification : Tampil Laporan .... 25
5. Entity Relationship Diagram (ERD) ............... 27
Program Studi Teknik Informatika SKPL – BRANSO 6/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
DAFTAR GAMBAR
Gambar 1 Arsitektur Perangkat lunak Branso Analitik . 10
Gambar 2 Use Case Diagram ........................... 17
Gambar 3 Entity Relationship Diagram ................ 27
Program Studi Teknik Informatika SKPL – BRANSO 7/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
1. Pendahuluan
1.1 Tujuan
Dokumen Spesifikasi Kebutuhan Perangkat Lunak
(SKPL) ini merupakan dokumen spesifikasi kebutuhan
perangkat lunak Branso Analitik (Analisa Brand Berbasis
Twitter) untuk mendefinisikan kebutuhan perangkat lunak
yang meliputi antarmuka eksternal (antarmuka antara
sistem perangkat lunak, perangkat keras, dan pengguna),
perfoma (kemampuan perangkat lunak dari segi kecepatan,
tempat penyimpanan yang dibutuhkan, serta keakuratan),
dan atribut (fitur-fitur tambahan yang dimiliki
sistem), serta mendefinisikan fungsi perangkat lunak.
SKPL-BRANSO ini juga mendefinisikan batasan perancangan
perangkat lunak.
1.2 Lingkup Masalah
Dalam era digitalisasi terjadi peningkatan aliran
dan penggunaan data. Salah satu faktor peningkatan
terjadi karena tren jejaring sosial. Para pengguna
situs jejaring sosial dengan sadar dan secara rutin
memasukkan banyak data dan informasi ke dalam situs.
Situs jejaring Twitter yang secara terbuka dan gratis
membagi API mereka supaya orang-orang dapat mengakses
data tweets mereka dan menggunakannya untuk penelitian
dengan maksud mendapatkan informasi yang berguna dari
sana.
Secara khusus, dalam data-data tweets tersebut
dapat dilihat bahwa terdapat banyak opini publik.
Publik beropini terhadap suatu tema tertentu, salah
satu yang paling banyak dibahas adalah brand. Data-data
tweets yang mengandung opini publik tersebut dapat
diklasifikasikan ke dalam topik bahasan dan sentimen
Program Studi Teknik Informatika SKPL – BRANSO 8/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
tertentu. Dari hasil klasifikasi tersebut dapat
dianalisa untuk mendapatkan informasi dan pengetahuan
mengenai brand yang dibahas. Hasil informasi disajikan
dalam bentuk grafik dan berkas excel.
1.3 Definisi, Akronim dan Singkatan
Daftar definisi akronim dan singkatan :
Tabel 1. Definisi, Akronim dan Singkatan
Keyword/Phrase Definisi
DPPL Deskripsi Perancangan Perangkat
Lunak disebut juga Software Design
Description (SDD). Merupakan deskripsi
dari perancangan produk /perangkat
lunak yang akan dikembangkan.
DPPL-BRANSO-
XXX
Kode yang merepresentasikan kebutuhan
pada Branso Analitik (Analisa Brand
Berbasis Twitter) di mana XXX
merupakan nomor fungsi produk.
BRANSO Perangkat lunak pengelolaan desktop
dan web.
Data Mining Proses ekstraksi informasi dan
pengetahuan yang secara potensial
berguna dan orang-orang tidak
mengetahuinya, serta ekstraksi
dilakukan dari sekumpulan data yang
besar, tidak lengkap, noise, dan acak.
Dataset Sekumpulan data yang digunakan dalam
proses data mining.
1.4 Referensi
Referensi yang digunakan pada perangkat lunak
tersebut adalah:
Program Studi Teknik Informatika SKPL – BRANSO 9/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
1. Matheus Alvian Wikanargo / 6807, Proposal Tugas
Akhir Analisis Opini Publik Terhadap Brand Di
Situs Jejaring Sosial Twitter Menggunakan Teknik
Data Mining, Universitas Atma Jaya Yogyakarta.
2. Matheus Alvian Wikanargo / 6807, Spesifikasi
Kebutuhan Perangkat Lunak (SKPL) RMIS,
Universitas Atma Jaya Yogyakarta.
1.5 Deskripsi umum (Overview)
Secara umum dokumen SKPL ini terbagi atas 3 bagian
utama. Bagian utama berisi penjelasan mengenai dokumen
SKPL tersebut yang mencakup tujuan pembuatan SKPL,
ruang lingkup masalah dalam pengembangan perangkat
lunak tersebut, definisi, referensi dan deskripsi umum
tentang dokumen SKPL ini.
Bagian kedua berisi penjelasan umum tentang sistem
BRANSO yang akan dikembangkan, mencakup perspektif
produk yang akan dikembangkan, fungsi produk perangkat
lunak, karakteristik pengguna, batasan dalam penggunaan
perangkat lunak dan asumsi yang dipakai dalam
pengembangan sistem Branso Analitik tersebut.
Bagian ketiga berisi penjelasan secara lebih rinci
tentang kebutuhan sistem Branso Analitik yang akan
dikembangkan.
2. Deskripsi Kebutuhan
2.1 Perspektif produk
BRANSO merupakan sistem perangkat lunak yang
dikembangkan untuk membantu melakukan proses
klasifikasi data dari dataset yang merupakan sumber
datanya. Secara spesifik klasifikasi data yang
dilakukan dalam sistem ini akan mengkelompokkan data
Program Studi Teknik Informatika SKPL – BRANSO 10/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
berdasarkan opini dan kategori. Kategori yang digunakan
berdasarkan topik opini dan sentimen opini. Sistem ini
akan dibangun untuk menghasilkan laporan hasil proses
klasifikasi data pada dataset target. Sistem ini akan
dibangun dalam bentuk aplikasi desktop. Perangkat lunak
dibangun dalam bentuk aplikasi desktop karena dalam
pemrosesan klasifikasi data pada dataset target yang
besar diperlukan kemampuan komputasi yang baik dan
cepat.
Sistem Branso Analitik ini berjalan pada platform
Windows 7/8/8.1/10 untuk aplikasi desktop. Sistem ini
dibuat menggunakan bahasa pemrograman Microsoft Visual
C#. Untuk lingkungan pemrogramannya menggunakan
Microsoft Visual Studio 2008.
Komputer
Pengguna
Gambar 1 Arsitektur Perangkat lunak Branso Analitik
Program Studi Teknik Informatika SKPL – BRANSO 11/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.2 Fungsi Produk
Fungsi produk perangkat lunak Branso Analitik
adalah sebagai berikut :
1. Fungsi Pengelolaan Data Pelengkap (SKPL-BRANSO-
001)
Fungsi ini merupakan fungsi yang digunakan
pengguna untuk mengelola data pelengkap yang akan
dikerjakan.
a. Fungsi Tambah Kata Positif (SKPL-BRANSO-001-01)
Fungsi ini merupakan fungsi yang digunakan
untuk menambahkan kata positif.
b. Fungsi Hapus Kata Positif (SKPL-BRANSO-001-02)
Fungsi ini merupakan fungsi yang digunakan
untuk menghapus kata positif.
c. Fungsi Tampil Kata Positif (SKPL-BRANSO-001-03)
Fungsi ini merupakan fungsi yang digunakan
untuk menampilkan daftar kata positif.
d. Fungsi Tambah Kata Negatif (SKPL-BRANSO-001-04)
Fungsi ini merupakan fungsi yang digunakan
untuk menambahkan kata negatif.
e. Fungsi Hapus Kata Negatif (SKPL-BRANSO-001-05)
Fungsi ini merupakan fungsi yang digunakan
untuk menghapus kata negatif.
f. Fungsi Tampil Kata Negatif (SKPL-BRANSO-001-06)
Fungsi ini merupakan fungsi yang digunakan
untuk menampilkan daftar kata negatif.
g. Fungsi Tambah Kata Kategori (SKPL-BRANSO-001-
07)
Program Studi Teknik Informatika SKPL – BRANSO 12/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Fungsi ini merupakan fungsi yang digunakan
untuk menambahkan kata kategori.
h. Fungsi Hapus Kata Kategori (SKPL-BRANSO-001-08)
Fungsi ini merupakan fungsi yang digunakan
untuk menghapus kata kategori.
i. Fungsi Tampil Kata Kategori (SKPL-BRANSO-001-
09)
Fungsi ini merupakan fungsi yang digunakan
untuk menampilkan daftar kata kategori.
j. Fungsi Tambah Kata Lain (SKPL-BRANSO-001-10)
Fungsi ini merupakan fungsi yang digunakan
untuk menambahkan kata lain.
k. Fungsi Hapus Kata Lain (SKPL-BRANSO-001-11)
Fungsi ini merupakan fungsi yang digunakan
untuk menghapus kata lain.
l. Fungsi Tampil Kata Lain (SKPL-BRANSO-001-12)
Fungsi ini merupakan fungsi yang digunakan
untuk menampilkan daftar kata lain.
2. Fungsi Pengelolaan Data Training (SKPL-BRANSO-
002).
Fungsi ini merupakan fungsi yang digunakan
pengguna untuk mengelola data training yang akan
digunakan sebagai acuan proses klasifikasi data
Fungsi Pengelolaan Data Training mencakup :
a. Fungsi Tambah Data Training (SKPL-BRANSO-002-
01)
Program Studi Teknik Informatika SKPL – BRANSO 13/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Fungsi ini merupakan fungsi yang digunakan
untuk menambahkan data training berupa file
excel kedalam sistem.
b. Fungsi Tampil Data Training (SKPL-BRANSO-002-
02)
Fungsi ini merupakan fungsi yang digunakan
untuk menghapus data training yang sudah
dimasukkan.
c. Fungsi Hapus Data Training (SKPL-BRANSO-002-03)
Fungsi ini merupakan fungsi yang digunakan
untuk menampilkan data training dalam antarmuka
sistem.
3. Fungsi Pemrosesan Data Mining (SKPL-BRANSO-003).
Fungsi ini merupakan fungsi yang digunakan
pengguna untuk menjalankan proses klasifikasi
topik bahasan dan sentimen.
a. Fungsi Tambah Data Tweets (SKPL-BRANSO-003-01)
Fungsi ini merupakan fungsi yang digunakan
untuk menambahkan data tweets.
b. Fungsi Hapus Data Tweets (SKPL-BRANSO-003-02)
Fungsi ini merupakan fungsi yang digunakan
untuk menghapus data tweets.
c. Fungsi Tampil Data Tweets (SKPL-BRANSO-003-03)
Fungsi ini merupakan fungsi yang digunakan
untuk menampilkan daftar data tweets.
d. Fungsi Pembersihan Data (SKPL-BRANSO-003-04)
Fungsi ini merupakan fungsi yang digunakan
untuk membersihkan data tweets.
Program Studi Teknik Informatika SKPL – BRANSO 14/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
e. Fungsi Klasifikasi Data (SKPL-BRANSO-003-05)
Fungsi ini merupakan fungsi yang digunakan
untuk mengklasifikasikan data tweets.
4. Fungsi Laporan (SKPL-BRANSO-004).
Merupakan fungsi yang digunakan pengguna untuk
menampilkan hasil berupa berkas excel dan bentuk
visualisasi grafik kategori topik dan sentimen.
2.3 Karakteristik Pengguna
Karakteristik dari pengguna perangkat lunak Branso
Analitik adalah sebagai berikut :
1. Memahami pengoperasian Microsoft Windows.
2. Memahami penggunaan aplikasi Branso Analitik.
2.4 Batasan-batasan
Batasan-batasan dalam pengembangan perangkat lunak
Branso Analitik tersebut adalah :
1. Kebijaksanaan Umum
Berpedoman pada tujuan dari pengembangan
perangkat lunak Branso Analitik.
2. Keterbatasan perangkat keras
Dapat diketahui kemudian setelah sistem ini
berjalan (sesuai dengan kebutuhan).
Program Studi Teknik Informatika SKPL – BRANSO 15/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.5 Asumsi dan Ketergantungan
Sistem ini dapat dijalankan pada perangkat desktop
yang menggunakan sistem operasi Windows 7/8/8.1/10.
3. Kebutuhan khusus
3.1 Kebutuhan antarmuka eksternal
Kebutuhan antar muka eksternal pada perangkat lunak
Branso Analitik meliputi kebutuhan antarmuka pemakai,
antarmuka perangkat keras, antarmuka perangkat lunak,
antarmuka komunikasi.
3.2 Antarmuka pemakai
Pengguna berinteraksi dengan antarmuka yang
ditampilkan dalam bentuk form-form.
3.2.1 Antarmuka perangkat keras
Antarmuka perangkat keras yang digunakan dalam
perangkat lunak Branso Analitik adalah Perangkat
Desktop.
3.2.2 Antarmuka perangkat lunak
Perangkat lunak yang dibutuhkan untuk
mengoperasikan perangkat lunak Branso Analitik adalah
sebagai berikut :
1. Nama : Windows 7/8/8.1/10
Sumber : Microsoft
Sebagai sistem operasi untuk perangkat desktop.
2. Nama : Microsoft Visual Studio 2008
Sumber : Microsoft.
Sebagai aplikasi untuk mengembangkan Branso
Analitik.
Program Studi Teknik Informatika SKPL – BRANSO 16/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
3. Nama : Microsoft SQL Server 2008
Sumber : Microsoft.
Sebagai Database Management System (DBMS) untuk
pengelolaan basis data.
4. Nama : Microsoft Excel
Sumber : -.
Sebagai aplikasi untuk mencetak laporan.
5. Nama : Crystal Report
Sumber : -.
Sebagai aplikasi untuk mencetak laporan
Program Studi Teknik Informatika SKPL – BRANSO 17/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
3.3 Kebutuhan fungsionalitas Perangkat Lunak
3.3.1 Use Case Diagram
Gambar 2 Use Case Diagram
Program Studi Teknik Informatika SKPL – BRANSO 18/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4. Spesifikasi Rinci Kebutuhan
4.1 Spesifikasi Kebutuhan Fungsionalitas
4.1.1 Use case Spesification : Pengelolaan Data
Pelengkap
1. Brief Description
Use Case ini digunakan oleh aktor untuk
mengelola data pelengkap yang akan dikerjakan. Aktor
akan dapat melakukan fungsi tambah data pelengkap
dan hapus data pelengkap.
2. Primary Actor
1. Pengguna
3. Supporting Actor
none
4. Basic Flow
1. Use Case ini dimulai ketika aktor memilih
untuk menjalankan sistem.
2. Sistem menampilkan data kata positif, kata
negatif, kata kategori, dan kata lain.
3. Sistem memberikan pilihan untuk menambah dan
menghapus data kata positif, kata negatif,
kata kategori, dan kata lain.
4. Aktor memilih untuk tambah data kata positif
A-1 Aktor memilih untuk hapus data kata
positif.
A-2 Aktor memilih untuk tambah data
kata negatif.
A-3 Aktor memilih untuk hapus data kata
negatif.
A-4 Aktor memilih untuk tambah data
kata kategori.
A-5 Aktor memilih untuk hapus data kata
kategori.
Program Studi Teknik Informatika SKPL – BRANSO 19/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
A-6 Aktor memilih untuk tambah data
kata lain.
A-7 Aktor memilih untuk hapus data kata
lain.
5. Sistem menampilkan data kata positif yang
sudah ada.
6. Aktor memasukkan data kata positif baru.
7. Sistem menyimpan data kata positif ke basis
data.
8. Sistem menampilkan data terbaru.
9. Use Case ini selesai.
5. Alternative Flow
A-1 Aktor memilih untuk hapus data kata positif.
1. Sistem menampilkan data kata positif yang
sudah ada.
2. Aktor memilih data kata positif dan meminta
sistem untuk menghapus.
3. Sistem menghapus data proyek dari basis
data.
4. Berlanjut ke Basic Flow langkah 8.
A-2 Aktor memilih untuk tambah data kata negatif.
1. Sistem meminta aktor mengisikan kata negatif
yang akan ditambahkan.
2. Aktor meminta sistem menyimpan kata negatif
baru.
3. Sistem menyimpan data proyek ke basis data.
4. Berlanjut ke Basic Flow langkah ke 8.
A-3 Aktor memilih untuk hapus data kata negatif.
1. Sistem menampilkan data kata negatif yang
sudah ada.
2. Aktor memilih data kata negatif dan meminta
sistem untuk menghapus.
3. Sistem menghapus data proyek dari basis data.
Program Studi Teknik Informatika SKPL – BRANSO 20/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4. Berlanjut ke Basic Flow langkah 8.
A-4 Aktor memilih untuk tambah data kata
kategori.
1. Sistem meminta aktor mengisikan kata kategori
yang akan ditambahkan.
2. Aktor meminta sistem menyimpan kata kategori
baru.
3. Sistem menyimpan data proyek ke basis data.
4. Berlanjut ke Basic Flow langkah ke 8.
A-5 Aktor memilih untuk hapus data kata kategori.
1. Sistem menampilkan data kata kategori yang
sudah ada.
2. Aktor memilih data kata kategori dan meminta
sistem untuk menghapus.
3. Sistem menghapus data proyek dari basis data.
4. Berlanjut ke Basic Flow langkah 8.
A-6 Aktor memilih untuk tambah data kata lain.
1. Sistem meminta aktor mengisikan kata lain
yang akan ditambahkan.
2. Aktor meminta sistem menyimpan kata lain
baru.
3. Sistem menyimpan data proyek ke basis data.
4. Berlanjut ke Basic Flow langkah ke 8.
A-7 Aktor memilih untuk hapus data kata lain.
1. Sistem menampilkan data kata lain yang sudah
ada.
2. Aktor memilih data kata negatif dan meminta
sistem untuk menghapus.
3. Sistem menghapus data proyek dari basis data.
4. Berlanjut ke Basic Flow langkah 8.
7. Error Flow
none
7. PreConditions
Program Studi Teknik Informatika SKPL – BRANSO 21/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
1. Aktor telah memasuki sistem.
8. PostConditions
1. Data Pelengkap di basis data telah terbarui.
2. Data Pelengkap yang tersimpan di tampilkan.
4.1.2 Use case Spesification : Pengelolaan Data
Training
1. Brief Description
Use Case ini digunakan oleh aktor untuk
mengelola data training yang akan digunakan sebagai
acuan proses klasifikasi data. Aktor akan dapat
melakukan fungsi tambah data training, tampil data
training, hapus data training.
2. Primary Actor
1. Pengguna
3. Supporting Actor
none
4. Basic Flow
1. Use Case ini dimulai ketika aktor memilih
untuk melakukan pengelolaan data training.
2. Sistem memberikan pilihan untuk menambah data
training, tampil data training dan hapus data
training.
3. Aktor memilih untuk menambahkan data training
A-1 Aktor memilih untuk tampil data
training.
A-2 Aktor memilih untuk hapus data
training.
4. Sistem menampilkan antarmuka untuk menambah
data training.
5. Aktor menambah data training dan meminta
sistem untuk menyimpan data training.
6. Sistem menyimpan data training ke basis data.
Program Studi Teknik Informatika SKPL – BRANSO 22/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
7. Use Case ini selesai.
5. Alternative Flow
A-1 Aktor memilih untuk tampil data training.
1. Sistem menampilkan data training yang
tersedia.
2. Aktor memilih data training yang akan
ditampilkan.
3. Sistem menampilkan isi data training yang
dipilih
4. Berlanjut ke Basic Flow langkah ke 7.
A-2 Aktor memilih untuk hapus data training.
1. Sistem menampilkan antarmuka hapus data
training.
5. Aktor menghapus data training.
6. Sistem menghapus data training dari basis
data.
7. Berlanjut ke Basic Flow langkah 7.
6. Error Flow
none
7. PreConditions
1. Aktor telah memasuki sistem.
Program Studi Teknik Informatika SKPL – BRANSO 23/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
8. PostConditions
1. Data training di basis data telah terbarui.
2. Data training yang dicari di tampilkan.
4.1.3 Use case Spesification : Pemrosesan Data
Mining
1. Brief Description
Use Case ini digunakan oleh aktor untuk
menjalankan proses klasifikasi data pada dataset
menggunakan data training yang sudah dimasukkan.
Dalam fungsi ini akan digali opini dari teks dan
mengklasifikasikannya kedalam kategori-kategori.
Kategori yang digunakan berdasarkan topik opini dan
sentimen opini.
2. Primary Actor
1. Pengguna
3. Supporting Actor
none
4. Basic Flow
1. Use Case ini dimulai ketika aktor memilih
untuk melakukan pengelolaan data tweets.
2. Sistem memberikan pilihan untuk menambah
data tweets, tampil data tweets, hapus data
tweets, pembersihan data, dan klasifikasi
data.
3. Aktor memilih untuk menambahkan data tweets
A-1 Aktor memilih untuk tampil data
tweets.
A-2 Aktor memilih untuk hapus data
tweets.
A-3 Aktor memilih untuk pembersihan.
A-4 Aktor memilih untuk klasifikasi
data.
Program Studi Teknik Informatika SKPL – BRANSO 24/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4. Sistem menampilkan antarmuka untuk menambah
data tweets.
5. Aktor menambah data tweets dan meminta
sistem untuk menyimpan data tweets.
6. Sistem menyimpan data tweets ke basis data.
7. Use Case ini selesai.
5. Alternative Flow
A-1 Aktor memilih untuk tampil data tweets.
1. Sistem menampilkan data tweets yang tersedia.
2. Aktor memilih data tweets yang akan
ditampilkan.
3. Sistem menampilkan isi data tweets yang
dipilih
4. Berlanjut ke Basic Flow langkah ke 7.
A-2 Aktor memilih untuk hapus data tweets.
1. Sistem menampilkan antarmuka hapus data
tweets.
2. Aktor menghapus data tweets.
3. Sistem menghapus data tweets dari basis data.
4. Berlanjut ke Basic Flow langkah 7.
A-3 Aktor memilih untuk pembersihan data.
1. Sistem menampilkan antarmuka pembersihan
data.
2. Aktor membersihkan data.
3. Sistem membersihkan data.
4. Berlanjut ke Basic Flow langkah 7.
A-4 Aktor memilih untuk klasifikasi data.
1. Sistem menampilkan antarmuka klasifikasi
data.
2. Aktor mengklasifikasi data.
3. Sistem mengklasifikasi data.
4. Berlanjut ke Basic Flow langkah 7.
6. Error Flow
Program Studi Teknik Informatika SKPL – BRANSO 25/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
none
7. PreConditions
1. Aktor telah memasuki sistem.
2. Aktor telah mengelola data pelengkap.
3. Aktor telah mengelola data training.
8. PostConditions
1. Didapatkan hasil proses klasifikasi data.
4.1.4 Use case Spesification : Tampil Laporan
1. Brief Description
Use Case ini digunakan aktor untuk menampilkan
hasil berupa berkas excel dan bentuk visualisasi
grafik kategori topik dan sentimen.
2. Primary Actor
1. Pengguna
3. Supporting Actor
none
4. Basic Flow
1. Use Case ini dimulai ketika aktor memilih
untuk menampilkan hasil klasifikasi data.
2. Sistem menampilkan grafik hasil pemrosesan
dataset.
3. Sistem memberikan pilihan ekspor data.
4. Aktor memilih ekspor data
5. Sistem telah mengekspor data
6. Use Case ini selesai.
Program Studi Teknik Informatika SKPL – BRANSO 26/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
5. Alternative Flow
none
6. Error Flow
none
7. PreConditions
1. Aktor telah memasuki sistem.
2. Aktor telah mengelola data training.
3. Aktor telah menjalankan pemrosesan
klasifikasi data.
8. PostConditions
1. Menampilkan grafik hasil pemrosesan dataset.
2. Menghasilkan berkas excel.
Program Studi Teknik Informatika SKPL – BRANSO 27/ 27
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
5. Entity Relationship Diagram (ERD)
Gambar 3 Entity Relationship Diagram
Tabel_DataTweets
Tweet_ID
Date_of_Tweet
ScreenNam e
FullName
Tweet_Text
Followers
Follows
Retweets
Favorites
Verified
User_Since
Location
Tabel_DataSet
ID_DataSet
Tweet_ID
Topic_Texts
Sentimen_Texts
Tabel_KategoriTopik
ID_Topik
Kata_Kategori
Jenis_Kategori
Tabel_KataPositif
ID_KataPositif
Kata_Positif
Tabel_DataTraining
ID_DataTraining
Master_Texts
Sentimen_Texts
Tabel_KataNegatif
ID_KataNegatif
Kata_Negatif
Table_KataLain
ID_KataLain
KataLain
Tabel_KataDasar
ID_KataDasar
KataDasar
Tipe_KataDasar
Tabel_Token
ID_Token
KataToken
Tweet_ID
Tabel_TokenTraining
ID_TokenTraining
KataTokenTraining
ID_DataTraining
DPPL
DESKRIPSI PERANCANGAN PERANGKAT LUNAK
Branso Analitik
(Analisa Brand Berbasis Twitter)
Untuk :
Fakultas Teknologi Industri
Universitas Atma Jaya Yogyakarta
Dipersiapkan Oleh :
Matheus Alvian Wikanargo /120706807
Program Studi Teknik Informatika
Fakultas Teknologi Industri
Universitas Atma Jaya Yogyakarta
Program Studi Teknik
Informatika
Fakultas Teknologi Industri
Nomor Dokumen Halaman
1 / 45
DPPL – BRANSO Revisi A
DAFTAR PERUBAHAN
REVISI DESKRIPSI
A
B
C
D
E
F
INDEKS TGL - A B C D E F
DITULIS OLEH
DIPERIKSA OLEH
DISETUJUI OLEH
Program Studi Teknik Informatika DPPL- BRANSO 2 / 45 Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia.
Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
DAFTAR HALAMAN PERUBAHAN
Halaman Revisi Halaman Revisi
Program Studi Teknik Informatika DPPL - BRANSO 3 / 45 Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia.
Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
DAFTAR ISI
DAFTAR PERUBAHAN ..................................... 2
DAFTAR HALAMAN PERUBAHAN ............................. 3
DAFTAR ISI ........................................... 4
DAFTAR GAMBAR ........................................ 5
1. Pendahuluan ...................................... 6
1.1 Tujuan ......................................... 6
1.2 Lingkup Masalah ................................ 6
1.3 Definisi, Akronim dan Singkatan ................ 7
Dataset .............................................. 7
1.4 Referensi ...................................... 8
2. Perancangan Sistem ............................... 9
2.1 Perancangan Arsitektur ......................... 9
2.2 Perancangan Rinci ............................. 10
2.2.1 Sequence Diagram ..................................10
2.2.2 Class Diagram ......................................21
2.2.3 Class Diagram Specific Descriptions ............22
3. Perancangan Data ................................ 36
3.1 Dekomposisi Data .............................. 36
4. Deskripsi Perancangan AntarMuka ................. 41
4.1 Antarmuka Menu Bar ............................ 41
4.2 Antarmuka Pengelolaan Data Training ........... 42
4.3 Antarmuka Pengelolaan Data Pelengkap .......... 43
4.4 Antarmuka Pengelolaan Data Pelengkap .......... 44
4.5 Antarmuka Laporan ............................. 45
Program Studi Teknik Informatika DPPL - BRANSO 4 / 45 Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia.
Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
DAFTAR GAMBAR
Gambar 2.1 Arsitektur ..................................... 9
Gambar 2.2 Sequence Diagram : Tambah Data Training ....... 10
Gambar 2.3 Sequence Diagram : Tampil Data Training ....... 10
Gambar 2.4 Sequence Diagram : Hapus Data Training ........ 11
Gambar 2.5 Sequence Diagram : Tambah Kata Positif ........ 11
Gambar 2.6 Sequence Diagram : Tambah Kata Positif ........ 12
Gambar 2.7 Sequence Diagram : Hapus Kata Positif ......... 12
Gambar 2.8 Sequence Diagram : Tambah Kata Negatif ........ 13
Gambar 2.9 Sequence Diagram : Tampil Kata Negatif ........ 13
Gambar 2.10 Sequence Diagram : Hapus Kata Negatif ........ 14
Gambar 2.11 Sequence Diagram : Tambah Kata Kategori ...... 14
Gambar 2.12 Sequence Diagram : Tampil Kata Kategori ...... 15
Gambar 2.13 Sequence Diagram : Hapus Kata Kategori ....... 15
Gambar 2.14 Sequence Diagram : Tambah Kata Lain .......... 16
Gambar 2.15 Sequence Diagram : Tampil Kata Lain .......... 16
Gambar 2.16 Sequence Diagram : Hapus Kata Lain ........... 17
Gambar 2.17 Sequence Diagram : Tambah Data Tweets ........ 17
Gambar 2.18 Sequence Diagram : Tampil Data Tweets ........ 18
Gambar 2.19 Sequence Diagram : Hapus Data Tweets ......... 18
Gambar 2.20 Sequence Diagram : Pemrosesan Data Mining .... 19
Gambar 2. 21 Sequence Diagram : Pemrosesan Data Mining ... 19
Gambar 2. 22 Sequence Diagram : Tampil Laporan ........... 20
Gambar 2. 23 Class Diagram ............................... 21
Gambar 3.1 Physical Data Model ........................... 40
Gambar 4.1 Rancangan Antarmuka Menu Bar .................. 41
Gambar 4.2 Rancangan Antarmuka Pengelolaan Data Training . 42
Gambar 4.3 Rancangan Antarmuka Pengelolaan Data Pelengkap 43
Gambar 4.4 Rancangan Antarmuka Pemrosesan Data Tweets .... 44
Gambar 4.5 Rancangan Antarmuka Laporan ................... 45
Program Studi Teknik Informatika DPPL - BRANSO 5 / 45 Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia.
Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
1. Pendahuluan
1.1 Tujuan
Dokumen Deskripsi Perancangan Perangkat Lunak
(DPPL) ini bertujuan untuk mendefinisikan perancangan
perangkat lunak yang akan dikembangkan. Dokumen
tersebut akan digunakan oleh pengembang perangkat lunak
sebagai acuan untuk implementasi pada tahap berikutnya.
1.2 Lingkup Masalah
Dalam era digitalisasi terjadi peningkatan aliran
dan penggunaan data. Salah satu faktor peningkatan
terjadi karena tren jejaring sosial. Para pengguna
situs jejaring sosial dengan sadar dan secara rutin
memasukkan banyak data dan informasi ke dalam situs.
Situs jejaring Twitter yang secara terbuka dan gratis
membagi API mereka supaya orang-orang dapat mengakses
data tweets mereka dan menggunakannya untuk penelitian
dengan maksud mendapatkan informasi yang berguna dari
sana.
Secara khusus, dalam data-data tweets tersebut
dapat dilihat bahwa terdapat banyak opini publik.
Publik beropini terhadap suatu tema tertentu, salah
satu yang paling banyak dibahas adalah brand. Data-data
tweets yang mengandung opini publik tersebut dapat
diklasifikasikan ke dalam topik bahasan dan sentimen
tertentu. Dari hasil klasifikasi tersebut dapat
dianalisa untuk mendapatkan informasi dan pengetahuan
mengenai brand yang dibahas. Hasil informasi disajikan
dalam bentuk grafik dan berkas excel.
Program Studi Teknik Informatika DPPL - BRANSO 6 / 45 Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia.
Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Program Studi Teknik Informatika DPPL – BRANSO 7/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
1.3 Definisi, Akronim dan Singkatan
Daftar definisi akronim dan singkatan :
Tabel 1. Definisi, Akronim dan Singkatan
Keyword/Phrase Definisi
DPPL Deskripsi Perancangan Perangkat
Lunak disebut juga Software Design
Description (SDD). Merupakan deskripsi
dari perancangan produk /perangkatlunak
yang akan dikembangkan.
DPPL-BRANSO-XXX Kode yang merepresentasikan kebutuhan
pada Branso Analitik (Analisa Brand
Berbasis Twitter) di mana XXX merupakan
nomor fungsi produk.
BRANSO Perangkat lunak pengelolaan desktop dan
web.
Data Mining Proses ekstraksi informasi dan
pengetahuan yang secara potensial berguna
dan orang-orang tidak mengetahuinya,
serta ekstraksi dilakukan dari sekumpulan
data yang besar, tidak lengkap, noise,
dan acak.
Dataset Sekumpulan data yang digunakan dalam
proses data mining.
Program Studi Teknik Informatika DPPL – BRANSO 8/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
1.4 Referensi
Referensi yang digunakan pada perangkat lunak
tersebut adalah:
1. Matheus Alvian Wikanargo / 6807, Proposal Tugas
Akhir Analisis Opini Publik Terhadap Brand Di
Situs Jejaring Sosial Twitter Menggunakan Teknik
Data Mining, Universitas Atma Jaya Yogyakarta.
2. Matheus Alvian Wikanargo / 6807, Spesifikasi
Kebutuhan Perangkat Lunak (SKPL) BRANSO,
Universitas Atma Jaya Yogyakarta.
3. Matheus Alvian Wikanargo / 6807, Deskripsi
Perancangan Perangkat Lunak (DPPL) RMIS,
Universitas Atma Jaya Yogyakarta.
Program Studi Teknik Informatika DPPL – BRANSO 9/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2. Perancangan Sistem
2.1 Perancangan Arsitektur
Gambar 2.1 Arsitektur
Program Studi Teknik Informatika DPPL – BRANSO 10/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.2 Perancangan Rinci
2.2.1 Sequence Diagram
2.2.1.1 Fungsi Pengelolaan Data Training
2.2.1.1.1 Fungsi Tambah Data Training
SequenceDiagram_TambahDataTraining
8: ImportDataTraining()7: ImportDataTraining()
6: ImportDataTraining()
5: ImportDataTraining()4: ImportDataTraining()
3: ImportDataTraining()
2: KelolaDataTrainingUI()
1: KelolaDataTrainingUI()
:Pengguna
:KelolaDataTrainingUI :KelolaDataTrainingControl :DataTraining
8: ImportDataTraining()7: ImportDataTraining()
6: ImportDataTraining()
5: ImportDataTraining()4: ImportDataTraining()
3: ImportDataTraining()
2: KelolaDataTrainingUI()
1: KelolaDataTrainingUI()
Gambar 2.2 Sequence Diagram : Tambah Data Training
2.2.1.1.2 Fungsi Tampil Data Training
SequenceDiagram_TampilDataTraining
5: TampilDataTraining()
4: TampilDataTraining()
3: TampilDataTraining()2: TampilDataTraining()
1: KelolaDataTrainingUI()
6: KelolaDataTraining()
:Pengguna
:KelolaDataTrainingUI :KelolaDataTrainingControl :DataTraining
5: TampilDataTraining()
4: TampilDataTraining()
3: TampilDataTraining()2: TampilDataTraining()
1: KelolaDataTrainingUI()
6: KelolaDataTraining()
Gambar 2.3 Sequence Diagram : Tampil Data Training
Program Studi Teknik Informatika DPPL – BRANSO 11/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.2.1.1.3 Fungsi Hapus Data Training
SequenceDiagram HapusDataTraining
1: KelolaDataTrainingUI()
2: KelolaDataTrainingUI()
3: HapusDataTraining()4: HapusDataTraining()
5: HapusDataTraining()
6: HapusDataTraining()
7: HapusDataTraining()8: HapusDataTraining()
:Pengguna
:KelolaDataTrainingUI :KelolaDataTrainingControl :DataTraining
1: KelolaDataTrainingUI()
2: KelolaDataTrainingUI()
3: HapusDataTraining()4: HapusDataTraining()
5: HapusDataTraining()
6: HapusDataTraining()
7: HapusDataTraining()8: HapusDataTraining()
Gambar 2.4 Sequence Diagram : Hapus Data Training
2.2.1.2 Fungsi Pengelolaan Data Pelengkap
2.2.1.1.4 Fungsi Tambah Kata Positif
SequenceDiagram_TambahKataPositif
8: tambahKataPositif()7: tambahKataPositif()
6: tambahKataPositif()
5: tambahKataPositif()4: tambahKataPositif()
3: tambahKataPositif()
2: KelolaDataPelengkapUI()
1: KelolaDataPelengkapUI()
:Pengguna
:KelolaDataPelengkapUI :KelolaDataPelengkapControl :KataPositif
8: tambahKataPositif()7: tambahKataPositif()
6: tambahKataPositif()
5: tambahKataPositif()4: tambahKataPositif()
3: tambahKataPositif()
2: KelolaDataPelengkapUI()
1: KelolaDataPelengkapUI()
Gambar 2.5 Sequence Diagram : Tambah Kata Positif
Program Studi Teknik Informatika DPPL – BRANSO 12/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.2.1.1.5 Fungsi Tampil Kata Positif
SequenceDiagram_TampilKataPositif
5: TampilKataPositif()
4: TampilKataPositif()
3: TampilKataPositif()2: TampilKataPositif()
1: KelolaDataPelengkapUI()
6: KelolaKataPositif()
:Pengguna
:KelolaDataPelengkapUI :KelolaDataPelengkapControl :KataPositif
5: TampilKataPositif()
4: TampilKataPositif()
3: TampilKataPositif()2: TampilKataPositif()
1: KelolaDataPelengkapUI()
6: KelolaKataPositif()
Gambar 2.6 Sequence Diagram : Tambah Kata Positif
2.2.1.1.6 Fungsi Hapus Kata Positif
SequenceDiagram HapusKataPositif
1: KelolaDataPelengkapUI()
2: KelolaDataPelengkapUI()
3: HapusKataPositif()4: HapusKataPositif()
5: HapusKataPositif()
6: HapusKataPositif()
7: HapusKataPositif()8: HapusKataPositif()
:Pengguna
:KelolaDataPelengkapUI :KelolaDataTrainingPelengkapControl :KataPositif
1: KelolaDataPelengkapUI()
2: KelolaDataPelengkapUI()
3: HapusKataPositif()4: HapusKataPositif()
5: HapusKataPositif()
6: HapusKataPositif()
7: HapusKataPositif()8: HapusKataPositif()
Gambar 2.7 Sequence Diagram : Hapus Kata Positif
Program Studi Teknik Informatika DPPL – BRANSO 13/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.2.1.1.7 Fungsi Tambah Kata Negatif
SequenceDiagram_TambahKataNegatif
8: tambahKataNegatif()7: tambahKataNegatif()
6: tambahKataNegatif()
5: tambahKataNegatif()4: tambahKataNegatif()
3: tambahKataNegatif()
2: KelolaDataPelengkapUI()
1: KelolaDataPelengkapUI()
:Pengguna
:KelolaDataPelengkapUI :KelolaDataPelengkapControl :KataNegatif
8: tambahKataNegatif()7: tambahKataNegatif()
6: tambahKataNegatif()
5: tambahKataNegatif()4: tambahKataNegatif()
3: tambahKataNegatif()
2: KelolaDataPelengkapUI()
1: KelolaDataPelengkapUI()
Gambar 2.8 Sequence Diagram : Tambah Kata Negatif
2.2.1.1.8 Fungsi Tampil Kata Negatif
SequenceDiagram_TampilKataNegatif
5: TampilKataNegatif()
4: TampilKataNegatif()
3: TampilKataNegatif()2: TampilKataNegatif()
1: KelolaDataPelengkapUI()
6: KelolaKataNegatif()
:Pengguna
:KelolaDataPelengkapUI :KelolaDataPelengkapControl :KataNegatif
5: TampilKataNegatif()
4: TampilKataNegatif()
3: TampilKataNegatif()2: TampilKataNegatif()
1: KelolaDataPelengkapUI()
6: KelolaKataNegatif()
Gambar 2.9 Sequence Diagram : Tampil Kata Negatif
Program Studi Teknik Informatika DPPL – BRANSO 14/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.2.1.1.9 Fungsi Hapus Kata Negatif
SequenceDiagram HapusKataNegatif
1: KelolaDataPelengkapUI()
2: KelolaDataPelengkapUI()
3: HapusKataNegatif()4: HapusKataNegatif()
5: HapusKataNegatif()
6: HapusKataNegatif()
7: HapusKataNegatif()8: HapusKataNegatif()
:Pengguna
:KelolaDataPelengkapUI :KelolaDataTrainingPelengkapControl :KataNegatif
1: KelolaDataPelengkapUI()
2: KelolaDataPelengkapUI()
3: HapusKataNegatif()4: HapusKataNegatif()
5: HapusKataNegatif()
6: HapusKataNegatif()
7: HapusKataNegatif()8: HapusKataNegatif()
Gambar 2.10 Sequence Diagram : Hapus Kata Negatif
2.2.1.1.10 Fungsi Tambah Kata Kategori
SequenceDiagram_TambahKataKategori
8: tambahKataKategori()7: tambahKataKategori()
6: tambahKataKategori()
5: tambahKataKategori()4: tambahKataKategori()
3: tambahKataKategori()
2: KelolaDataPelengkapUI()
1: KelolaDataPelengkapUI()
:Pengguna
:KelolaDataPelengkapUI :KelolaDataPelengkapControl :KataKategori
8: tambahKataKategori()7: tambahKataKategori()
6: tambahKataKategori()
5: tambahKataKategori()4: tambahKataKategori()
3: tambahKataKategori()
2: KelolaDataPelengkapUI()
1: KelolaDataPelengkapUI()
Gambar 2.11 Sequence Diagram : Tambah Kata Kategori
Program Studi Teknik Informatika DPPL – BRANSO 15/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.2.1.1.11 Fungsi Tampil Kata Kategori
SequenceDiagram_TampilKataKategori
5: TampilKataKategori()
4: TampilKataKategori()
3: TampilKataKategori()2: TampilKataKategori()
1: KelolaDataPelengkapUI()
6: KelolaKataKategori()
:Pengguna
:KelolaDataPelengkapUI :KelolaDataPelengkapControl :KataKategori
5: TampilKataKategori()
4: TampilKataKategori()
3: TampilKataKategori()2: TampilKataKategori()
1: KelolaDataPelengkapUI()
6: KelolaKataKategori()
Gambar 2.12 Sequence Diagram : Tampil Kata Kategori
2.2.1.1.12 Fungsi Hapus Kata Kategori
SequenceDiagram HapusKataKategori
1: KelolaDataPelengkapUI()
2: KelolaDataPelengkapUI()
3: HapusKataKategori()4: HapusKataKategori()
5: HapusKataKategori()
6: HapusKataKategori()
7: HapusKataKategori()8: HapusKataKategori()
:Pengguna
:KelolaDataPelengkapUI :KelolaDataTrainingPelengkapControl :KataKategori
1: KelolaDataPelengkapUI()
2: KelolaDataPelengkapUI()
3: HapusKataKategori()4: HapusKataKategori()
5: HapusKataKategori()
6: HapusKataKategori()
7: HapusKataKategori()8: HapusKataKategori()
Gambar 2.13 Sequence Diagram : Hapus Kata Kategori
Program Studi Teknik Informatika DPPL – BRANSO 16/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.2.1.1.13 Fungsi Tambah Kata Lain
SequenceDiagram_TambahKataLain
8: tambahKataLain()7: tambahKataLain()
6: tambahKataLain()
5: tambahKataLaini()4: tambahKataLain()
3: tambahKataLain()
2: KelolaDataPelengkapUI()
1: KelolaDataPelengkapUI()
:Pengguna
:KelolaDataPelengkapUI :KelolaDataPelengkapControl :KataLain
8: tambahKataLain()7: tambahKataLain()
6: tambahKataLain()
5: tambahKataLaini()4: tambahKataLain()
3: tambahKataLain()
2: KelolaDataPelengkapUI()
1: KelolaDataPelengkapUI()
Gambar 2.14 Sequence Diagram : Tambah Kata Lain
2.2.1.1.14 Fungsi Tampil Kata Lain
SequenceDiagram_TampilKataLain
5: TampilKataLain()
4: TampilKataLain()
3: TampilKataLain()2: TampilKataLain()
1: KelolaDataPelengkapUI()
6: KelolaKataLain()
:Pengguna
:KelolaDataPelengkapUI :KelolaDataPelengkapControl :KataLain
5: TampilKataLain()
4: TampilKataLain()
3: TampilKataLain()2: TampilKataLain()
1: KelolaDataPelengkapUI()
6: KelolaKataLain()
Gambar 2.15 Sequence Diagram : Tampil Kata Lain
Program Studi Teknik Informatika DPPL – BRANSO 17/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.2.1.1.15 Fungsi Hapus Kata Lain
SequenceDiagram HapusKataLain
1: KelolaDataPelengkapUI()
2: KelolaDataPelengkapUI()
3: HapusKataLain()4: HapusKataLain()
5: HapusKataLain()
6: HapusKataLain()
7: HapusKataLain()8: HapusKataLain()
:Pengguna
:KelolaDataPelengkapUI :KelolaDataTrainingPelengkapControl :KataLain
1: KelolaDataPelengkapUI()
2: KelolaDataPelengkapUI()
3: HapusKataLain()4: HapusKataLain()
5: HapusKataLain()
6: HapusKataLain()
7: HapusKataLain()8: HapusKataLain()
Gambar 2.16 Sequence Diagram : Hapus Kata Lain
2.2.1.3 Fungsi Pemrosesan Data Mining
2.2.1.1.16 Fungsi Tambah Data Tweets
SequenceDiagram_TambahDataTweets
8: ImportDataTweets()7: ImportDataTweets()
6: ImportDataTweets()
5: ImportDataTweets()4: ImportDataTweets()
3: ImportDataTweets()
2: ProsesDataMiningUI()
1: ProsesDataMiningUI()
:Pengguna
:ProsesDataMiningUI :ProsesDataMiningControl :DataTweets
8: ImportDataTweets()7: ImportDataTweets()
6: ImportDataTweets()
5: ImportDataTweets()4: ImportDataTweets()
3: ImportDataTweets()
2: ProsesDataMiningUI()
1: ProsesDataMiningUI()
Gambar 2.17 Sequence Diagram : Tambah Data Tweets
Program Studi Teknik Informatika DPPL – BRANSO 18/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.2.1.1.17 Fungsi Tampil Data Tweets
SequenceDiagram_TampilDataTweets
5: TampilDataTweets()
4: TampilDataTweets()
3: TampilDataTweets()2: TampilDataTweets()
1: :ProsesDataMiningUI
6: :ProsesDataMiningUI
:Pengguna
:ProsesDataMiningUI :ProsesDataMiningControl :DataTweets
5: TampilDataTweets()
4: TampilDataTweets()
3: TampilDataTweets()2: TampilDataTweets()
1: :ProsesDataMiningUI
6: :ProsesDataMiningUI
Gambar 2.18 Sequence Diagram : Tampil Data Tweets
2.2.1.1.18 Fungsi Hapus Data Tweets
SequenceDiagram HapusDataTweets
1: ProsesDataMiningUI()
2: ProsesDataMiningUI()
3: HapusDataTweets()4: HapusDataTweets()
5: HapusDataTweets()
6: HapusDataTweets()
7: HapusDataTweets()8: HapusDataTweets()
:Pengguna
:ProsesDataMiningUI :ProsesDataMiningControl :DataTweets
1: ProsesDataMiningUI()
2: ProsesDataMiningUI()
3: HapusDataTweets()4: HapusDataTweets()
5: HapusDataTweets()
6: HapusDataTweets()
7: HapusDataTweets()8: HapusDataTweets()
Gambar 2.19 Sequence Diagram : Hapus Data Tweets
Program Studi Teknik Informatika DPPL – BRANSO 19/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.2.1.1.19 Fungsi Pembersihan Data
SequenceDiagram_PembersihanData
22: PembersihanData()
21: PembersihanData()
20: tambahKataTokenTraining()
19: tambahKataTokenTraining()
18: PembersihanDataTraining()
17: Stemmer()
16: Stemmer()
15: Stemmer()
14: Stemmer()
13: PembersihanDataTraining()
12: tambahKataToken()
11: tambahKataToken()
10: PembersihanDataTweets()9: Stemmer()
8: Stemmer()
7: Stemmer()6: Stemmer()5: PembersihanDataTweets()4: PembersihanData()
3: PembersihanData()
2: ProsesDataMiningUI()
1: ProsesDataMiningUI()
:Pengguna
:ProsesDataMiningUI :ProsesDataMiningControl :DataTweets :KataDasar :KataLain:KataToken :DataTraining :KataTokenTraining
22: PembersihanData()
21: PembersihanData()
20: tambahKataTokenTraining()
19: tambahKataTokenTraining()
18: PembersihanDataTraining()
17: Stemmer()
16: Stemmer()
15: Stemmer()
14: Stemmer()
13: PembersihanDataTraining()
12: tambahKataToken()
11: tambahKataToken()
10: PembersihanDataTweets()9: Stemmer()
8: Stemmer()
7: Stemmer()6: Stemmer()5: PembersihanDataTweets()4: PembersihanData()
3: PembersihanData()
2: ProsesDataMiningUI()
1: ProsesDataMiningUI()
Gambar 2.20 Sequence Diagram : Pemrosesan Data Mining
2.2.1.1.20 Fungsi Klasifikasi Data
SequenceDiagram_KlasifikasiData
22: KlasifikasiData()
21: KlasifikasiData()20: tambahDataset()
19: tambahDataset()
8: KlasifikasiKategori()
7: KlasifikasiKategori()
6: KlasifikasiKategori()5: KlasifikasiKategori()
18: KlasifikasiSentimen()
17: Bayes()16: Bayes()
13: Bayes()
12: Bayes()
15: Bayes()
11: Bayes()
14: Bayes()
10: Bayes()9: KlasifikasiSentimen
4: KlasifikasiData()
3: KlasifikasiData()
2: ProsesDataMiningUI()
1: ProsesDataMiningUI()
:Pengguna
:ProsesDataMiningUI :ProsesDataMiningControl :KataPositif :KataNegatif:KataToken :KataKategori:KataTokenTraining :Dataset
22: KlasifikasiData()
21: KlasifikasiData()20: tambahDataset()
19: tambahDataset()
8: KlasifikasiKategori()
7: KlasifikasiKategori()
6: KlasifikasiKategori()5: KlasifikasiKategori()
18: KlasifikasiSentimen()
17: Bayes()16: Bayes()
13: Bayes()
12: Bayes()
15: Bayes()
11: Bayes()
14: Bayes()
10: Bayes()9: KlasifikasiSentimen
4: KlasifikasiData()
3: KlasifikasiData()
2: ProsesDataMiningUI()
1: ProsesDataMiningUI()
Gambar 2. 21 Sequence Diagram : Pemrosesan Data Mining
Program Studi Teknik Informatika DPPL – BRANSO 20/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.2.1.4 Fungsi Tampil Laporan
2.2.1.1.21 Fungsi Tampil Laporan
SequenceDiagram_TampilLaporan
5: TampilLaporan()4: TampilLaporan()
3: TampilLaporan()2: TampilLaporan()
6: TampilLaporanUI()
1: TampilLaporanUI()
:Pengguna
:TampilLaporanUI :TampilLaporanControl :Dataset
5: TampilLaporan()4: TampilLaporan()
3: TampilLaporan()2: TampilLaporan()
6: TampilLaporanUI()
1: TampilLaporanUI()
Gambar 2. 22 Sequence Diagram : Tampil Laporan
Program Studi Teknik Informatika DPPL – BRANSO 21/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.2.2 Class Diagram
Gambar 2. 23 Class Diagram
Boundary Control Entity
pengelolaanDataPelengkapUI
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
pengelolaanDataPelengpakUI ()
tambahKataPositif ()
hapusKataPositif ()
tampilKataPositif ()
getKataPositif ()
tambahKataNegatif ()
hapusKataNegatif ()
tampilKataNegatif ()
getKataNegatif ()
tambahKataLain ()
hapusKataLain ()
tampilKataLain ()
getKataLain ()
tambahKataKategori ()
hapusKataKategori ()
tampilKataKategori ()
getKataKategori ()
...
pengelolaanDataTrainingUI
+
+
+
+
+
pengelolaanDataTrianingUI ()
importDataTraining ()
hapusDataTraining ()
tampilDataTraining ()
getDataTraining ()
...
pemrosesanDatasetDataMiningUI
+
+
+
+
+
+
+
+
+
+
pemrosesanDatasetDataMiningUI ()
importDataTweets ()
pembersihanData ()
hapusDataTweets ()
tampilDataTweets ()
klasifikasiData ()
getDataset ()
getDataTweets ()
getKataDasar ()
getKataToken ()
...
tampilLaporanUI
+
+
+
+
tampilLaporanUI ()
tampilLaporan ()
exportLaporan ()
getLaporan ()
pengelolaanDataPelengkapCtrl
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
tambahKataPositif ()
hapusKataPositif ()
tampilKataPositif ()
getKataPositif ()
tambahKataNegatif ()
hapusKataNegatif ()
tampilKataNegatif ()
getKataNegatif ()
tambahKataLain ()
hapusKataLain ()
tampilKataLain ()
getKataLain ()
tambahKataKategori ()
hapusKataKategori ()
tampilKataKategori ()
getKataKategori ()
...
pengelolaanDataTrainingCtrl
+
+
+
+
tambahDataTraining ()
hapusDataTraining ()
tampilDataTraining ()
getDataTraining ()
pemrosesanDatasetDataMiningCtrl
+
+
+
+
+
+
+
+
+
importDataTweets ()
hapusDataTweets ()
tampilDataTweets ()
pembersihanData ()
klasifikasiData ()
getDataset ()
getDataTweets ()
getKataDasar ()
getKataToken ()
...
tampilLaporanCtrl
+
+
+
tampilLaporan ()
getLaporan ()
exportLaporan ()...
dataTraining
+
+
+
getDataTraining ()
setDataTraining ()
dataTraining ()
...
kataPositif
+
+
+
getKataPositif ()
setKataPositif ()
kataPositif ()
...
dataset
+
+
+
+
+
getDataset ()
setDataset ()
dataset ()
getLaporan ()
setLaporan ()
...
dataTweets
+
+
+
getDataTweets ()
setDataTweets ()
dataTweets ()
...
kataLain
+
+
+
getKataLain ()
setKataLain ()
kataLain ()
...
kataNegatif
+
+
+
getKataNegatif ()
setKataNegatif ()
kataNegatif ()
...kataKategori
+
+
+
getKataKategori ()
setKataKategori ()
kataKategori ()
...
kataToken
+
+
+
getKataToken ()
setKataToken ()
kataToken ()
...kataDasar
+
+
+
getKataDasar ()
setKataDasar ()
dataKataDasar ()
...
kataTokenTraining
+
+
+
getKataTokenTraining ()
setKataTokenTraining ()
kataTokenTraining ()
...
Program Studi Teknik Informatika DPPL – BRANSO 22/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.2.3 Class Diagram Specific Descriptions
2.2.3.1 Specific Design Class
pengelolaanDataPelengkapUI
pengelolaanDataPelengkapUI <<boundary>>
+ pengelolaanDataPelengkapUI()
Default konstruktor, digunakan untuk inisialisasi semua
attribute dari kelas ini.
+ tambahKataPositif()
Operasi ini digunakan untuk menambahkan kata positif ke
dalam sistem.
+ hapusKataPositif()
Operasi ini digunakan untuk menghapus kata positif yang
sudah dimasukkan.
+ tampilKataPositif()
Operasi ini digunakan untuk menampilkan kata positif
dalam antarmuka sistem.
+ getKataPositif ()
Operasi ini digunakan untuk mendapatkan kata positif.
+ tambahKataNegatif()
Operasi ini digunakan untuk menambahkan kata negatif ke
dalam sistem.
+ hapusKataNegatif()
Operasi ini digunakan untuk menghapus kata negatif yang
sudah dimasukkan.
+ tampilKataNegatif()
Operasi ini digunakan untuk menampilkan kata negatif
dalam antarmuka sistem.
+ getKataNegatif ()
Operasi ini digunakan untuk mendapatkan kata negatif.
+ tambahKataKategori()
Program Studi Teknik Informatika DPPL – BRANSO 23/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Operasi ini digunakan untuk menambahkan kata kategori
ke dalam sistem.
+ hapusKataKategori ()
Operasi ini digunakan untuk menghapus kata kategori
yang sudah dimasukkan.
+ tampilKataKategori()
Operasi ini digunakan untuk menampilkan kata kategori
dalam antarmuka sistem.
+ getKataKategori()
Operasi ini digunakan untuk mendapatkan kata kategori.
+ tambahKataLain()
Operasi ini digunakan untuk menambahkan kata lain ke
dalam sistem.
+ hapusKataLain()
Operasi ini digunakan untuk menghapus kata lain yang
sudah dimasukkan.
+ tampilKataLain()
Operasi ini digunakan untuk menampilkan kata lain dalam
antarmuka sistem.
+ getKataLain ()
Operasi ini digunakan untuk mendapatkan kata lain.
2.2.3.2 Specific Design Class
pengelolaanDataTrainingUI
pengelolaanDataTrainingUI <<boundary>>
+ pengelolaanDataTrainingUI()
Default konstruktor, digunakan untuk inisialisasi semua
attribute dari kelas ini.
+ importDataTraining()
Operasi ini digunakan untuk menambahkan data training
berupa file excel kedalam sistem.
Program Studi Teknik Informatika DPPL – BRANSO 24/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
+ hapusDataTraining()
Operasi ini digunakan untuk menghapus data training
yang sudah dimasukkan.
+ tampilDataTraining()
Operasi ini digunakan untuk menampilkan data training
dalam antarmuka sistem.
+ getDataTraining()
Operasi ini digunakan untuk mendapatkan data training.
2.2.3.3 Specific Design Class pemrosesanDataMiningUI
pemrosesanDataMiningUI <<boundary>>
+ pemrosesanDataMiningUI ()
Default konstruktor, digunakan untuk inisialisasi semua
attribute dari kelas ini.
+ importDataTweets()
Operasi ini digunakan untuk menambahkan data tweets
berupa file excel kedalam sistem.
+ hapusDataTweets()
Operasi ini digunakan untuk menghapus data tweets yang
sudah dimasukkan.
+ tampilDataTweets ()
Operasi ini digunakan untuk menampilkan data tweets
dalam antarmuka sistem.
+ getDataset()
Operasi ini digunakan untuk mendapatkan dataset.
+ getDataTweets()
Operasi ini digunakan untuk mendapatkan data tweets.
+ getKataDasar()
Operasi ini digunakan untuk mendapatkan kata dasar.
+ getKataToken()
Operasi ini digunakan untuk mendapatkan kata token.
Program Studi Teknik Informatika DPPL – BRANSO 25/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.2.3.4 Specific Design Class tampilLaporanUI
tampilLaporanUI <<boundary>>
+ tampilLaporanUI()
Default konstruktor, digunakan untuk inisialisasi semua
attribute dari kelas ini.
+ tampilLaporan()
Operasi ini digunakan untuk menampilkan hasil data
mining dalam bentuk visualisasi grafik kategori topik
dan sentimen.
+ exportDataset()
Operasi ini digunakan untuk mengubah dataset menjadi
file excel.
+ getLaporan()
Operasi ini digunakan untuk mendapatkan data laporan.
2.2.3.5 Specific Design Class
pengelolaanDataPelengkapCtrl
pengelolaanDataPelengkapCtrl <<control>>
- kata_positif : string
Atribut ini digunakan untuk menyimpan kata positif.
- kata_negatif : string
Atribut ini digunakan untuk menyimpan kata negatif.
- kata_kategori : string
Atribut ini digunakan untuk menyimpan kata kategori.
- jenis_kategori : string
Atribut ini digunakan untuk menyimpan jenis kategori.
- kata_lain : string
Atribut ini digunakan untuk menyimpan kata lain.
+ pengelolaanDataPelengkap()
Default konstruktor, digunakan untuk inisialisasi semua
attribute dari kelas ini.
Program Studi Teknik Informatika DPPL – BRANSO 26/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
+ tambahKataPositif(): Void
Prosedur ini digunakan untuk menambahkan kata positif
ke dalam sistem.
+ hapusKataPositif(): Void
Prosedur ini digunakan untuk menghapus kata positif
yang sudah dimasukkan.
+ tampilKataPositif(): Void
Prosedur ini digunakan untuk menampilkan kata positif
dalam antarmuka sistem.
+ getKataPositif (): Void
Prosedur ini digunakan untuk mendapatkan kata positif.
+ tambahKataNegatif(): Void
Prosedur ini digunakan untuk menambahkan kata negatif
ke dalam sistem.
+ hapusKataNegatif(): Void
Prosedur ini digunakan untuk menghapus kata negatif
yang sudah dimasukkan.
+ tampilKataNegatif(): Void
Prosedur ini digunakan untuk menampilkan kata negatif
dalam antarmuka sistem.
+ getKataNegatif (): Void
Prosedur ini digunakan untuk mendapatkan kata negatif.
+ tambahKataKategori(): Void
Prosedur ini digunakan untuk menambahkan kata kategori
ke dalam sistem.
+ hapusKataKategori (): Void
Prosedur ini digunakan untuk menghapus kata kategori
yang sudah dimasukkan.
+ tampilKataKategori(): Void
Prosedur ini digunakan untuk menampilkan kata kategori
dalam antarmuka sistem.
+ getKataKategori(): Void
Program Studi Teknik Informatika DPPL – BRANSO 27/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Prosedur ini digunakan untuk mendapatkan kata kategori.
+ tambahKataLain(): Void
Prosedur ini digunakan untuk menambahkan kata lain ke
dalam sistem.
+ hapusKataLain(): Void
Prosedur ini digunakan untuk menghapus kata lain yang
sudah dimasukkan.
+ tampilKataLain(): Void
Prosedur ini digunakan untuk menampilkan kata lain
dalam antarmuka sistem.
+ getKataLain (): Void
Prosedur ini digunakan untuk mendapatkan kata lain.
2.2.3.6 Specific Design Class
pengelolaanDataTrainingCtrl
pengelolaanTrainingCtrl <<control>>
- id_DataTraining : integer
Atribut ini digunakan untuk menyimpan data id data
training.
- Master_Texts : string
Atribut ini digunakan untuk menyimpan data teks asli
dari tweets.
- Sentimen_Texts: string
Atribut ini digunakan untuk menyimpan data sentimen
dari teks yang telah diproses.
+ pengelolaanDataTraining()
Default konstruktor, digunakan untuk inisialisasi semua
attribute dari kelas ini.
+ importDataTraining(): Void
Prosedur ini digunakan untuk menambahkan data training
berupa file excel kedalam sistem.
+ hapusDataTraining(): Void
Program Studi Teknik Informatika DPPL – BRANSO 28/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Prosedur ini digunakan untuk menghapus data training
yang sudah dimasukkan.
+ tampilDataTraining(): Void
Prosedur ini digunakan untuk menampilkan data training
dalam antarmuka sistem.
+ getDataTraining(): Void
Prosedur ini digunakan untuk mendapatkan data training.
2.2.3.7 Specific Design Class
pemrosesanDataMiningCtrl
pemrosesanDataMiningCtrl <<control>>
- Tweet_ID : integer
Atribut ini digunakan untuk menyimpan data id dari
pemesanan tweets.
- Username : string
Atribut ini digunakan untuk menyimpan data nama alias
pengguna.
- Fullname : string
Atribut ini digunakan untuk menyimpan data nama asli
pengguna.
- Tweet_Text : string
Atribut ini digunakan untuk menyimpan teks dari tweets
pengguna.
- Date_of_Tweet : date
Atribut ini digunakan untuk menyimpan data tanggal
kapan tweets dipublikasikan.
- User_Since : date
Atribut ini digunakan untuk menyimpan data sejak kapan
pengguna terdaftar sebagai pengguna Twitter.
- Followers : integer
Atribut ini digunakan untuk menyimpan data pengikut
akun Twitter pengguna.
Program Studi Teknik Informatika DPPL – BRANSO 29/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
- Follows : integer
Atribut ini digunakan untuk menyimpan data jumlah akun
yang diikuti oleh akun Twitter pengguna.
- Retweets : integer
Atribut ini digunakan untuk menyimpan data jumlah
berapa kali tweets pengguna di retweets.
- Favorites : integer
Atribut ini digunakan untuk menyimpan data jumlah
berapa kali tweets pengguna di favorites.
- Verified : string
Atribut ini digunakan untuk menyimpan data tanda
verifikasi akun oleh pihak Twitter.
- Location : string
Atribut ini digunakan untuk menyimpan data lokasi
pengguna akun saat mempublikasikan tweets.
- Topic_Texts: string
Atribut ini digunakan untuk menyimpan data jenis topik
dari teks yang telah diproses.
- Sentimen_Texts: string
Atribut ini digunakan untuk menyimpan data sentimen
dari teks yang telah diproses.
+ pemrosesanDataMining()
Default konstruktor, digunakan untuk inisialisasi semua
atribut dari kelas ini.
+ importDataTweets(): Void
Prosedur ini digunakan untuk menambahkan data tweets
berupa file excel kedalam sistem.
+ hapusDataTweets(): Void
Prosedur ini digunakan untuk menghapus data tweets yang
sudah dimasukkan.
+ tampilDataTweets(): Void
Prosedur ini digunakan untuk menampilkan data tweets
Program Studi Teknik Informatika DPPL – BRANSO 30/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
dalam antarmuka sistem.
+ getDataset(): Void
Prosedur ini digunakan untuk mendapatkan dataset.
+ getDataTweets(): Void
Prosedur ini digunakan untuk mendapatkan data tweets.
+ getKataDasar(): Void
Prosedur ini digunakan untuk mendapatkan kata dasar.
+ getKataToken(): Void
Prosedur ini digunakan untuk mendapatkan kata token.
2.2.3.8 Specific Design Class tampilLaporanCtrl
tampilLaporanCtrl <<control>>
- Tweet_ID : integer
Atribut ini digunakan untuk menyimpan data id dari
pemesanan tweets.
- Username : string
Atribut ini digunakan untuk menyimpan data nama alias
pengguna.
- Fullname : string
Atribut ini digunakan untuk menyimpan data nama asli
pengguna.
- Tweet_Text : string
Atribut ini digunakan untuk menyimpan teks dari tweets
pengguna.
- Date_of_Tweet : date
Atribut ini digunakan untuk menyimpan data tanggal
kapan tweets dipublikasikan.
- User_Since : date
Atribut ini digunakan untuk menyimpan data sejak kapan
pengguna terdaftar sebagai pengguna Twitter.
- Followers : integer
Atribut ini digunakan untuk menyimpan data pengikut
Program Studi Teknik Informatika DPPL – BRANSO 31/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
akun Twitter pengguna.
- Follows : integer
Atribut ini digunakan untuk menyimpan data jumlah akun
yang diikuti oleh akun Twitter pengguna.
- Retweets : integer
Atribut ini digunakan untuk menyimpan data jumlah
berapa kali tweets pengguna di retweets.
- Favorites : integer
Atribut ini digunakan untuk menyimpan data jumlah
berapa kali tweets pengguna di favorites.
- Verified : string
Atribut ini digunakan untuk menyimpan data tanda
verifikasi akun oleh pihak Twitter.
- Location : string
Atribut ini digunakan untuk menyimpan data lokasi
pengguna akun saat mempublikasikan tweets.
- Topic_Texts: string
Atribut ini digunakan untuk menyimpan data jenis topik
dari teks yang telah diproses.
- Sentimen_Texts: string
Atribut ini digunakan untuk menyimpan data sentimen
dari teks yang telah diproses.
+ tampilLaporan()
Default konstruktor, digunakan untuk inisialisasi semua
attribute dari kelas ini.
+ tampilLaporan(): Void
Prosedur ini digunakan untuk menampilkan hasil data
mining dalam bentuk visualisasi grafik kategori topik
dan sentimen.
+ exportDataset(): Void
Prosedur ini digunakan untuk mengubah dataset menjadi
file excel.
Program Studi Teknik Informatika DPPL – BRANSO 32/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
+ getLaporan(): Void
Prosedur ini digunakan untuk mendapatkan data laporan.
2.2.3.9 Specific Design Class kataPositif()
kataPositif <<Entity>>
+ kataPositif()
Default konstruktor, digunakan untuk inisialisasi semua
atribut dari kelas kataPositif().
+ getKataPositif()
Digunakan untuk mengambil kata positif.
+ setKataPositif()
Digunakan untuk mengatur atribut kata positif.
2.2.3.10 Specific Design Class kataNegatif()
kataNegatif <<Entity>>
+ kataNegatif()
Default konstruktor, digunakan untuk inisialisasi semua
atribut dari kelas kataNegatif().
+ getKataNegatif()
Digunakan untuk mengambil kata negatif.
+ setKataNegatif()
Digunakan untuk mengatur atribut kata negatif.
2.2.3.11 Specific Design Class kataKategori()
kataKategori <<Entity>>
+ kataKategori()
Default konstruktor, digunakan untuk inisialisasi semua
atribut dari kelas kataKategori().
+ getKataKategori()
Digunakan untuk mengambil kata kategori.
Program Studi Teknik Informatika DPPL – BRANSO 33/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
+ setKataKategori()
Digunakan untuk mengatur atribut kata kategori.
2.2.3.12 Specific Design Class kataLain()
kataLain <<Entity>>
+ kataLain()
Default konstruktor, digunakan untuk inisialisasi semua
atribut dari kelas kataLain().
+ getKataLain()
Digunakan untuk mengambil kata lain.
+ setKataLain()
Digunakan untuk mengatur atribut kata lain.
2.2.3.13 Specific Design Class dataTraining()
dataTraining <<Entity>>
+ dataTraining()
Default konstruktor, digunakan untuk inisialisasi semua
atribut dari kelas dataTraining().
+ getDataTraining ()
Digunakan untuk mengambil data training.
+ setDataTraining ()
Digunakan untuk mengatur atribut data training.
2.2.3.14 Specific Design Class KataTokenTraining()
KataTokenTraining <<Entity>>
+ kataTokenTraining()
Default konstruktor, digunakan untuk inisialisasi semua
atribut dari kelas kataTokenTraining().
+ getKataTokenTraining()
Digunakan untuk mengambil kata token training.
Program Studi Teknik Informatika DPPL – BRANSO 34/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
+ setkataTokenTraining()
Digunakan untuk mengatur atribut kata token training.
2.2.3.15 Specific Design Class dataTweets()
dataTweets <<Entity>>
+ dataTweets()
Default konstruktor, digunakan untuk inisialisasi semua
atribut dari kelas dataTweets().
+ getDataTweets()
Digunakan untuk mengambil data tweets.
+ setDataTweets()
Digunakan untuk mengatur atribut data tweets.
2.2.3.16 Specific Design Class kataToken()
kataToken <<Entity>>
+ kataToken()
Default konstruktor, digunakan untuk inisialisasi semua
atribut dari kelas kataToken().
+ getKataToken()
Digunakan untuk mengambil kata token.
+ setkataToken()
Digunakan untuk mengatur atribut kata token.
2.2.3.17 Specific Design Class kataDasar()
kataDasar <<Entity>>
+ kataDasar()
Default konstruktor, digunakan untuk inisialisasi semua
atribut dari kelas kataDasar().
+ getKataDasar()
Digunakan untuk mengambil kata dasar.
Program Studi Teknik Informatika DPPL – BRANSO 35/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
+ setKataDasar()
Digunakan untuk mengatur atribut kata dasar.
2.2.3.18 Specific Design Class dataset()
dataset <<Entity>>
+ dataset()
Default konstruktor, digunakan untuk inisialisasi semua
atribut dari kelas dataset().
+ getDataset ()
Digunakan untuk mengambil dataset.
+ setDataset ()
Digunakan untuk mengatur atribut dataset.
+ getLaporan ()
Digunakan untuk mengambil data laporan.
+ setLaporan ()
Digunakan untuk mengatur atribut data laporan.
Program Studi Teknik Informatika DPPL – BRANSO 36/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
3. Perancangan Data
3.1 Dekomposisi Data
3.1.1 Deskripsi Entitas Table_DataTweets
Nama Tipe Panjang Keterangan
Tweet_ID
Variable
Character 20
ID Tweets, primary
key.
Username
Variable
Character 25 Nama alias pengguna.
Fullname
Variable
Character 25 Nama asli pengguna.
Tweet_Text
Variable
Character 180 Teks tweets pengguna.
Date_of_Tweet Date -
Tanggal publikasi
tweets.
User_Since Date -
Tanggal bergabung
pengguna dalam
Twitter.
Followers Integer - Jumlah pengikut akun.
Follows Integer -
Jumlah akun yang
diikuti.
Retweets Integer - Jumlah retweets.
Favorites Integer - Jumlah favorites.
Verified
Variable
Character 3 Tanda verifikasi akun.
Location
Variable
Character 100
Lokasi publikasi
tweets.
3.1.2 Deskripsi Entitas Table_Dataset
Nama Tipe Panjang Keterangan
ID_DataSet Integer -
ID Dataset, primary
key.
Program Studi Teknik Informatika DPPL – BRANSO 37/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
3.1.2 Deskripsi Entitas Table_Dataset (Lanjutan)
Nama Tipe Panjang Keterangan
Tweet_ID
Variable
Character 20
ID Tweet dari
Table_DataTweet,
foreign key dari
Table_DataTweet.
Topic_Texts
Variable
Character 20
Jenis topik dari teks
terproses.
Sentimen_Texts
Variable
Character 20
Jenis sentimen dari
teks terproses.
3.1.3 Deskripsi Entitas Table_KataToken
Nama Tipe Panjang Keterangan
ID_Token Integer -
ID Kata Token, primary
key.
KataToken
Variable
Character 20 Kata token.
Tweet_ID
Variable
Character 20
ID Data Training dari
Table_DataTraining,
foreign key dari
Table_DataTraining.
3.1.4 Deskripsi Entitas Table_DataTraining
Nama Tipe Panjang Keterangan
ID_DataTraining Integer -
ID Data Training,
primary key.
Master_Texts
Variable
Character 255 Kalimat teks mentah.
Sentimen_Texts
Variable
Character 20
Jenis sentimen dari
teks terproses.
3.1.5 Deskripsi Entitas Table_KataTokenTraining
Nama Tipe Panjang Keterangan
ID_TokenTraining Integer -
ID Token Training,
primary key.
Program Studi Teknik Informatika DPPL – BRANSO 38/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
3.1.5 Deskripsi Entitas Table_KataTokenTraining (Lanjutan)
Nama Tipe Panjang Keterangan
KataTokenTraining
Variable
Character 20 Kata token.
ID_DataTraining Integer -
ID Data Training dari
Table_DataTraining,
foreign key dari
Table_DataTraining.
3.1.6 Deskripsi Entitas Table_KategoriTopik
Nama Tipe Penjang Keterangan
ID_Topik Integer -
ID Proyek, primary
key.
Kata_Kategori
Variable
Character 20
Kata yang
merepresentasikan
topik.
Jenis_Kategori
Variable
Character 20 Jenis dari topik.
3.1.7 Deskripsi Entitas Table_KataPositif
Nama Tipe Penjang Keterangan
ID_KataPositif Integer -
ID Kata Positif,
primary key.
Kata_Positif
Variable
Character 20
Kata yang bermuatan
positif.
3.1.8 Deskripsi Entitas Table_KataNegatif
Nama Tipe Penjang Keterangan
ID_KataNegatif Integer -
ID Kata Positif,
primary key.
Kata_Negatif
Variable
Character 20
Kata yang bermuatan
positif.
Program Studi Teknik Informatika DPPL – BRANSO 39/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
3.1.9 Deskripsi Entitas Table_KataDasar
Nama Tipe Penjang Keterangan
ID_KataDasar Integer -
ID Kata Dasar, primary
key.
Kata_Dasar
Variable
Character 20 Kata Dasar.
Tipe_KataDasar
Variable
Character 20 Tipe Kata Dasar.
3.1.10 Deskripsi Entitas Table_KataLain
Nama Tipe Penjang Keterangan
ID_KataLain Integer -
ID Kata Lain, primary
key.
Kata_Lain
Variable
Character 20
Kata selain kata
dasar.
Program Studi Teknik Informatika DPPL – BRANSO 40/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
3.2 Physical Data Model
Gambar 3.1 Physical Data Model
IDTKR = IDTKR
IDTK = IDTK
TID = TID
TABEL_DATATWEETS
UN VARCHAR2(25)
FN VARCHAR2(25)
TT VARCHAR2(180)
DOT DATE
US DATE
TID INTEGER
FRS INTEGER
FOL INTEGER
RT INTEGER
FAV INTEGER
VER VARCHAR2(3)
LOC VARCHAR2(100)
IDTK INTEGER
TABEL_DATASET
IDST INTEGER
TWID VARCHAR2(20)
TTX VARCHAR2(20)
STX VARCHAR2(20)
TID INTEGER
TABEL_KATEGORITOPIK
IDT INTEGER
KK VARCHAR2(20)
JK VARCHAR2(20)
TABEL_KATAPOSITIF
IDKP INTEGER
KPOS VARCHAR2(20)
TABEL_DATATRAINING
IDSTR INTEGER
MTXS VARCHAR2(255)
STX2 VARCHAR2(20)
IDTKR INTEGER
TABEL_KATANEGATIF
IDKN INTEGER
KNEGS VARCHAR2(20)
TABLE_KATALAIN
ID_KATALAIN INTEGER
KATALAIN VARCHAR2(20)
TABEL_KATADASAR
IDKD INTEGER
KD VARCHAR2(20)
TIPE_KATADASAR VARCHAR2(10)
TABEL_TOKEN
IDTK INTEGER
KTK VARCHAR2(20)
TTID VARCHAR2(20)
TABEL_TOKENTRAINING
IDTKR INTEGER
KTKR VARCHAR2(20)
TIDR INTEGER
Program Studi Teknik Informatika DPPL – BRANSO 41/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4. Deskripsi Perancangan AntarMuka
4.1 Antarmuka Menu Bar
Gambar 4.1 Rancangan Antarmuka Menu Bar
Gambar 4.1 merupakan antarmuka utama yang berisi
menu untuk masuk ke antarmuka-antarmuka yang lain.
Pengguna dapat menggunakan menu bar yang berada di kiri
atas antarmuka. Pilihan yang tersedia adalah Data
Training untuk pengelolaan data training, Data
Pelengkap untuk pengelolaan data pendukung, Data Mining
untuk pemrosesan data mining, dan Laporan untuk
menampilkan hasil akhir.
Program Studi Teknik Informatika DPPL – BRANSO 42/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4.2 Antarmuka Pengelolaan Data Training
Gambar 4.2 Rancangan Antarmuka Pengelolaan Data
Training
Gambar 4.2 merupakan antarmuka pengelolaan data
training yang berfungsi untuk melakukan pengelolaan
data training, yaitu browse data training baru, hapus
data training, dan menampilkan isi data training.
Fungsi browse akan menampilkan antarmuka untuk memilih
berkas excel data training. Isi dari data training
tersebut akan ditampilkan dalam GridView dan nama
berkas data training akan ditampilkan dalam kotak teks.
Fungsi hapus akan menghapus data training dari basis
data. Fungsi simpan digunakan supaya data training yang
sudah terpilih tersimpan dalam basis data.
Program Studi Teknik Informatika DPPL – BRANSO 43/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4.3 Antarmuka Pengelolaan Data Pelengkap
Gambar 4.3 Rancangan Antarmuka Pengelolaan Data
Pelengkap
Gambar 4.3 merupakan antarmuka pengelolaan data
pelengkap yang berfungsi untuk melakukan pengelolaan
data pelengkap, termasuk di dalamnya fungsi tambah,
tampil, dan hapus untuk data kata positif, kata
negatif, kata kategori, dan kata lain.
Program Studi Teknik Informatika DPPL – BRANSO 44/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4.4 Antarmuka Pengelolaan Data Pelengkap
Gambar 4.4 Rancangan Antarmuka Pemrosesan Data Tweets
Gambar 4.4 merupakan antarmuka untuk melakukan
pemrosesan data tweets, termasuk di dalamnya browse
untuk memilih sumber data tweets, hapus data tweets,
hapus data tweets, menampilkan isi data tweets dan
dataset, melakukan proses pembersihan data dan
klasifikasi data, serta menghitung waktu proses. Fungsi
browse untuk memilih berkas excel data tweets yang akan
dimasukkan ke dalam sistem. Isi dari data tweets dan
dataset akan ditampilkan dalam GridView dan nama berkas
data tweets akan ditampilkan dalam kotak teks. Fungsi
hapus akan menghapus data tweets dari basis data.
Fungsi simpan digunakan supaya data tweets tersimpan
dalam basis data. Fungsi proses pembersihan data dan
klasifikasi data digunakan untuk membersihkan data
kemudian mengklasifikasikan data berdasarkan topik
bahasan dan sentimen.
Program Studi Teknik Informatika DPPL – BRANSO 45/ 45
Dokumen ini dan informasi yang dimilikinya adalah milik Program Studi Teknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4.5 Antarmuka Laporan
Gambar 4.5 Rancangan Antarmuka Laporan
Gambar 4.5 merupakan antarmuka untuk menampilkan
hasil akhir dari proses data mining. Hasil akan berupa
grafik dan berkas berbentuk excel.
Program Studi Teknik Informatika PDHUPL-RMIS 1/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
PERENCANAAN, DEKSRIPSI, DAN HASIL
UJI PERANGKAT LUNAK
Branso Analitik
(Analisa Brand Berbasis Twitter)
Untuk :
Fakultas Teknologi Industri
Universitas Atma Jaya Yogyakarta
Dipersiapkan oleh:
Matheus Alvian Wikanargo / 6807
Program Studi Teknik Informatika
Fakultas Teknologi Industri
Universitas Atma Jaya Yogyakarta
Program Studi
Teknik Informatika Fakultas Teknologi
Industri
Nomor Dokumen Halaman
PDHUPL-RMIS 1/46
Revisi - Tgl :
PDHUPL
Program Studi Teknik Informatika PDHUPL-RMIS 2/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
DAFTAR PERUBAHAN
REVISI DESKRIPSI
A
B
C
D
E
F
INDEKS TGL - A B C D E F
DITULIS OLEH
DIPERIKSA OLEH
DISETUJUI OLEH
Program Studi Teknik Informatika PDHUPL-RMIS 3/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
DAFTAR HALAMAN PERUBAHAN
Halaman Revisi Halaman Revisi
Program Studi Teknik Informatika PDHUPL-RMIS 4/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
DAFTAR ISI
DAFTAR ISI .............................................. 4
DAFTAR TABEL ............................................ 7
1. Pendahuluan ......................................... 8
1.1 Tujuan Pembuatan Dokumen ..................... 8
1.2 Deksripsi Umum Sistem ........................ 8
1.3 Definisi dan Singkatan ...................... 10
1.4 Dokumen Referensi ........................... 10
1.5 Deksripsi Umum Dokumen ...................... 10
2. Lingkungan Pengujian Perangkat Lunak ............... 11
2.1 Perangkat Lunak Pengujian ................... 11
2.2 Perangkat Keras Pengujian ................... 12
2.3 Sumber Daya Manusia ......................... 12
2.4 Prosedur Umum Pengujian ..................... 13
2.4.1 Pengenalan dan Latihan ...................... 13
2.4.2 Persiapan Perangkat Keras ................... 13
2.4.3 Persiapan Perangkat Lunak ................... 13
2.4.4 Pelaksanaan ................................. 13
2.4.5 Pelaporan Hasil ............................. 13
3. Identifikasi Dan Rencana Pengujian ................. 14
3.1 Identifikasi Pengujian ...................... 14
4. Deskripsi Dan Hasil Uji ............................ 17
4.1 Identifikasi Kelas Pengujian Use Case
Pengelelolaan Data Pelengkap ........................ 17
4.1.1 Identifikasi Butir Pengujian Tambah Kata
Positif (P-01-01) .......................... 17
4.1.2 Identifikasi Butir Pengujian Hapus Kata
Positif (P-01-02) .......................... 17
4.1.3 Identifikasi Butir Pengujian Tampil Kata
Positif (P-01-03) .......................... 17
4.1.4 Identifikasi Butir Pengujian Tambah Kata
Negatif (P-01-04) .......................... 18
Program Studi Teknik Informatika PDHUPL-RMIS 5/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4.1.5 Identifikasi Butir Pengujian Hapus Kata
Negatif (P-01-05) .......................... 18
4.1.6 Identifikasi Butir Pengujian Tampil Kata
Negatif (P-01-06) .......................... 18
4.1.7 Identifikasi Butir Pengujian Tambah Kata
Kategori (P-01-07) ......................... 18
4.1.8 Identifikasi Butir Pengujian Hapus Kata
Kategori (P-01-08) ......................... 19
4.1.9 Identifikasi Butir Pengujian Tampil Kata
Kategori (P-01-09) ......................... 19
4.1.10 Identifikasi Butir Pengujian Tambah Kata Lain
(P-01-10) .................................. 19
4.1.11 Identifikasi Butir Pengujian Hapus Kata Lain
(P-01-11) .................................. 19
4.1.12 Identifikasi Butir Pengujian Tampil Kata Lain
(P-01-12) .................................. 20
4.2 Identifikasi Kelas Pengujian Use Case
Pengelolaan Data Training ........................... 20
4.2.1 Identifikasi Butir Pengujian Tambah Data
Training (P-02-01) ......................... 20
4.2.2 Identifikasi Butir Pengujian Hapus Data
Training (P-02-02) ......................... 20
4.2.3 Identifikasi Butir Pengujian Tampil Data
Training (P-02-03) ......................... 20
4.3 Identifikasi Kelas Pengujian Use Case
Pemrosesan Data Training ............................ 21
4.3.1 Identifikasi Butir Pengujian Tambah Data
Tweets (P-03-01) ........................... 21
4.3.2 Identifikasi Butir Pengujian Hapus Data Tweets
(P-03-02) .................................. 21
4.3.3 Identifikasi Butir Pengujian Tampil Data
Tweets (P-03-03) ........................... 21
Program Studi Teknik Informatika PDHUPL-RMIS 6/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4.3.4 Identifikasi Butir Pengujian Pembersihan Data
(P-03-03) .................................. 21
4.3.5 Identifikasi Butir Pengujian Tampil Data
Training (P-03-03) ......................... 22
4.4 Identifikasi Kelas Pengujian Use Case Laporan 22
4.4.1 Identifikasi Butir Pengujian Laporan (P-04-01)
........................................... 22
5. Hasil Pengujian .................................... 23
Program Studi Teknik Informatika PDHUPL-RMIS 7/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
DAFTAR TABEL
Tabel 1.1 Definisi dan Singkatan .................... 10
Tabel 3.1 Identifikasi Pengujian Use Case Pengelolaan
Data Pelengkap ...................................... 14
Tabel 3. 2 Identifikasi Pengujian Use Case Pengelolaan
Data Training ....................................... 15
Tabel 3.3 Identifikasi Pengujian Pemrosesan Data Mining
.................................................... 15
Tabel 3. 4 Identifikasi Pengujian Use Case Mengelola
laporan ............................................. 16
Tabel 5.1 Hasil Pengujian ........................... 23
Program Studi Teknik Informatika PDHUPL-RMIS 8/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
1. Pendahuluan
1.1 Tujuan Pembuatan Dokumen
Dokumen Perancangan, Deskripsi, dan Hasil Uji
Perangkat Lunak (PDHUPL) Branso Analitik ini adalah
dokumen yang berisi mengenai perencanaan, deskripsi dan
hasil pengujian perangkat lunak yang spesifikasi-nya
secara sistematis terdapat pula pada dokumen SKPL
Branso Analitik. Selanjutnya dokumen PDHUPL_BRANSO ini
dipergunakan sebagai bahan panduan untuk melakukan
pengujian terhadap RMIS. PDHUPL_BRANSO ini juga akan
digunakan untuk menguji keseluruhan sistem Branso
Analitik.
1.2 Deksripsi Umum Sistem
Perangkat Lunak Branso Analitik dikembangkan
dengan tujuan untuk:
1. Menangani Pengelolaan Data Training yang
meliputi :
Impor data training
Hapus data training
Tampil data training
2. Menangani Pengelolaan Data Pelengkap yang
meliputi :
Tambah kata positif
Hapus kata positif
Tampil kata positif
Tambah kata negatif
Hapus kata negatif
Program Studi Teknik Informatika PDHUPL-RMIS 9/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Tampil kata negatif
Tambah kata kategori
Hapus kata kategori
Tampil kata kategori
Tambah kata lain
Hapus kata lain
Tampil kata lain
3. Menangani Pemrosesan Data Mining yang meliputi:
Impor data tweets
Hapus data tweets
Tampil data tweets
Pembersihan data
Klasifikasi data
4. Menangani laporan yang meliputi:
Ekspor laporan dalam bentuk berkas excel
Tampil grafik laporan
Program Studi Teknik Informatika PDHUPL-RMIS 10/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
1.3 Definisi dan Singkatan
Daftar definisi akronim dan singkatan:
Tabel 1.1 Definisi dan Singkatan
Keyword/Phrase Definisi
PDHUPL Perencanaan, deskripsi dan hasil
pengujian perangkat lunak yang
spesifikasi-nya secara sistematis terdapat
pula pada dokumen SKPL Branso Analitik.
BRANSO / Branso
Analitik
Perangkat lunak pemrosesan data mining
berbasis dekstop.
1.4 Dokumen Referensi
Referensi yang digunakan pada perangkat lunak
tersebut adalah:
1. Matheus Alvian Wikanargo, Branso Analitik,
Universitas Atma Jaya Yogyakarta, 2016.
1.5 Deksripsi Umum Dokumen
Dokumen ini terdiri dari lima bab, yaitu:
1. Bab pertama adalah Pendahuluan, yang akan
memberikan deksripsi dokumen.
2. Bab kedua adalah Lingkungan Pengujian Perangkat
Lunak yang akan menggambarkan lingkungan tempat
berjalannya perangkat lunak (perangkat keras
dan perangkat lunak), sumber daya manusia,
serta prosedur umum pengujian.
3. Bab Ketiga adalah Identifikasi dan Rencana
Pengujian, yang berisi deskripsi umum kelas-
kelas dan butir-butir pengujian.
Program Studi Teknik Informatika PDHUPL-RMIS 11/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4. Bab Keempat adalah Identifikasi Pengujian, yang
berisi deksripsi rinci kelas-kelas dan butir-
butir pengujian.
5. Bab Kelima adalah Hasil Pengujian, yang berisi
langkah-langkah dan hasil pengujian kelas-kelas
dan butir-butir pengujian.
2. Lingkungan Pengujian Perangkat Lunak
2.1 Perangkat Lunak Pengujian
Perangkat lunak pengujian berupa :
1. Nama : Windows
Nomor Versi : 10 Profesional 64-Bit
Sumber : Microsoft
Sebagai sistem operasi dimana perangkat lunak
Branso Analitik dijalankan.
2. Nama : SQL Server
Nomor Versi : 2008 R2
Sumber : Microsoft
Sebagai DBMS (Data Base Management System) yang
dibutuhkan dalam mengoperasikan perangkat lunak
Branso Analitik.
3. Nama : Visual C# .NET
Nomor Versi : 2008
Sumber : Microsoft
Sebagai tool/interface yang dibutuhkan dalam
mengoperasikan aplikasi desktop perangkat lunak
Branso Analitik.
4. Nama : Excel
Program Studi Teknik Informatika PDHUPL-RMIS 12/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Nomor Versi : 2016
Sumber : Microsoft
Sebagai aplikasi yang dibutuhkan untuk mengimpor
dan mengekspor data.
5. Nama : Crystal Report
Nomor Versi : 2016
Sumber : -
Sebagai aplikasi yang dibutuhkan untuk menampilkan
grafik laporan.
2.2 Perangkat Keras Pengujian
1. Komputer pengujian memiliki spesifikasi Intel
Core i7-3632QM CPU @ 2.20 GHz dengan 8 GB RAM.
2.3 Sumber Daya Manusia
Sumber daya pengujian ini berupa:
1. Tester terdiri dari 1 orang dengan
spesifikasi Mahasiswa Teknik Informatika
Universitas Atma Jaya Yogyakarta
2. System Analyst merangkap Konsultan Sistem
Independent terdiri dari 1 orang untuk
memberikan masukan bahan uji yang berkaitan
dengan interaksi manusia dan komputer seperti
interface serta fungsionalitasnya, system
analyst dan konsultan adalah Dosen Pengampu dan
Penguji.
Program Studi Teknik Informatika PDHUPL-RMIS 13/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
2.4 Prosedur Umum Pengujian
2.4.1 Pengenalan dan Latihan
Pengenalan dan Pelatihan Perangkat Lunak Branso
Analitik ini diharapkan tidak memerlukan waktu lama.
Branso Analitik diharapkan dapat dipelajari langsung
dari antarmuka bantuan, tanpa melalui pelatihan khusus.
2.4.2 Persiapan Perangkat Keras
Persiapan perangkat keras berupa :
1. PC
2. Keyboard
3. Mouse
2.4.3 Persiapan Perangkat Lunak
Persiapan perangkat lunak berupa :
1. Instalasi SQL Server 2008 R2
2. Instalasi Visual C# .NET 2008
3. Instalasi Microsoft Excel 2016
2.4.4 Pelaksanaan
Pelaksanaan pengujian akan dilakukan untuk masing-
masing use case, yang mengacu ke Spesifikasi Perangkat
Lunak Branso Analitik.
2.4.5 Pelaporan Hasil
Hasil pengujian Hasil pengujian akan diserahkan
kepada Program Studi Teknik Informatika dan Teknik
Industri Fakultas Teknologi Industri Universitas Atma
Jaya Yogyakarta.
Program Studi Teknik Informatika PDHUPL-RMIS 14/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
3. Identifikasi Dan Rencana Pengujian
3.1 Identifikasi Pengujian
Tabel 3.1 Identifikasi Pengujian Use Case Pengelolaan Data Pelengkap
Kelas Uji Pengujian use case Pengelolaan Data Pelengkap
Butir Uji Tambah
Kata
Positif
Hapus
Kata
Positif
Tampil
Kata
Positif
Tambah
Kata
Negatif
Hapus
Kata
Negatif
Tampil
Kata
Negatif
Tambah
Kata
Kategori
Hapus
Kata
Kategori
Tampil
Kata
Kategori
Tambah
Kata
Lain
Hapus
Kata
Lain
Tampil
Kata
Lain
Identifika
si
SKPL SKPL-
BRANSO-
001-01
SKPL-
BRANSO-
001-02
SKPL-
BRANSO-
001-03
SKPL-
BRANSO-
001-04
SKPL-
BRANSO-
001-05
SKPL-
BRANSO-
001-06
SKPL-
BRANSO-
001-07
SKPL-
BRANSO-
001-08
SKPL-
BRANSO-
001-09
SKPL-
BRANSO
-001-
10
SKPL-
BRANSO
-001-
11
SKPL-
BRANSO
-001-
12
PDHUPL P-01-01 P-01-02 P-01-03 P-01-04 P-01-05 P-01-06 P-01-07 P-01-08 P-01-09 P-01-
10
P-01-
11
P-01-
12
Tingkat
Pengujian
Pengujian Unit
Jenis
Pengujian
Black Box
Jadwal Mei 2016
Program Studi Teknik Informatika PDHUPL-RMIS 15/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Tabel 3. 2 Identifikasi Pengujian Use Case Pengelolaan
Data Training
Kelas Uji Pengujian use case Pengelolaan
Data Training
Butir Uji Tambah
Data
Training
Hapus Data
Training
Tampil
Data
Training
Identifikasi
SKPL SKPL-
BRANSO-
002-01
SKPL-
BRANSO-
002-02
SKPL-
BRANSO-
002-03
PDHUPL P-02-01 P-02-02 P-02-03
Tingkat Pengujian Pengujian Unit
Jenis Pengujian Black Box
Jadwal Mei 2016
Tabel 3.3 Identifikasi Pengujian Pemrosesan Data Mining
Kelas Uji Pengujian use case Pemrosesan Data Mining
Butir Uji Tambah
Data
Training
Hapus
Data
Training
Tampil
Data
Training
Pembers
ihan
Data
Klasifi
kasi
Data
Identifikasi
SKPL SKPL-
BRANSO-
003-01
SKPL-
BRANSO-
003-02-
SKPL-
BRANSO-
003-03
SKPL-
BRANSO-
003-04
SKPL-
BRANSO-
003-05
PDHUPL P-03-01 P-03-02 P-03-03 P-03-04 P-03-05
Tingkat
Pengujian
Pengujian Unit
Jenis
Pengujian
Black box
Jadwal Mei 2016
Program Studi Teknik Informatika PDHUPL-RMIS 16/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Tabel 3. 4 Identifikasi Pengujian Use Case Mengelola
laporan
Kelas Uji Pengujian use case Laporan
Butir Uji Ekspor Berkas Excel dan Tampilkan
Grafik Laporan
Identifikasi
SKPL SKPL-RMIS-004
PDHUPL P-04-01
Tingkat
Pengujian
Pengujian Unit
Jenis
Pengujian
Black Box
Jadwal Mei 2016
Program Studi Teknik Informatika PDHUPL-RMIS 17/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4. Deskripsi Dan Hasil Uji
4.1 Identifikasi Kelas Pengujian Use Case
Pengelelolaan Data Pelengkap
Kelas Pengujian ini adalah kelas pengujian yang
meliputi proses untuk mengelola data pelengkap yang
terdiri dari kata positif, kata negatif, kata kategori,
dan kata lain.
4.1.1 Identifikasi Butir Pengujian Tambah Kata
Positif (P-01-01)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menambahkan kata positif. Masukan untuk
pengujian ini adalah kata positif yang dimasukkan
melalui TextBox.
4.1.2 Identifikasi Butir Pengujian Hapus Kata
Positif (P-01-02)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menghapus kata positif. Butir ini tidak
ada masukan, tetapi memilih kata positif yang akan
dihapus dari GridView.
4.1.3 Identifikasi Butir Pengujian Tampil Kata
Positif (P-01-03)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menampilkan kata positif. Butir ini
tidak ada masukan, semua data kata positif langsung
tertampil dalam bentuk GridView pada saat antarmuka
pengelolaan data pelengkap diakses oleh pengguna.
Program Studi Teknik Informatika PDHUPL-RMIS 18/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4.1.4 Identifikasi Butir Pengujian Tambah Kata
Negatif (P-01-04)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menambahkan kata negatif. Masukan untuk
pengujian ini adalah kata negatif yang dimasukkan
melalui TextBox.
4.1.5 Identifikasi Butir Pengujian Hapus Kata
Negatif (P-01-05)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menghapus kata negatif. Butir ini tidak
ada masukan, tetapi memilih kata negatif yang akan
dihapus dari GridView.
4.1.6 Identifikasi Butir Pengujian Tampil Kata
Negatif (P-01-06)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menampilkan kata negatif. Butir ini
tidak ada masukan, semua data kata negatif langsung
tertampil dalam bentuk GridView pada saat antarmuka
pengelolaan data pelengkap diakses oleh pengguna.
4.1.7 Identifikasi Butir Pengujian Tambah Kata
Kategori (P-01-07)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menambahkan kata dan jenis kategori.
Masukan untuk pengujian ini adalah kata dan jenis
kategori yang dimasukkan melalui TextBox.
Program Studi Teknik Informatika PDHUPL-RMIS 19/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4.1.8 Identifikasi Butir Pengujian Hapus Kata
Kategori (P-01-08)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menghapus kata kategori. Butir ini
tidak ada masukan, tetapi memilih kata kategori yang
akan dihapus dari GridView.
4.1.9 Identifikasi Butir Pengujian Tampil Kata
Kategori (P-01-09)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menampilkan kata dan jenis kategori.
Butir ini tidak ada masukan, semua data kata dan jenis
kategori langsung tertampil dalam bentuk GridView pada
saat antarmuka pengelolaan data pelengkap diakses oleh
pengguna.
4.1.10 Identifikasi Butir Pengujian Tambah Kata Lain
(P-01-10)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menambahkan kata lain. Masukan untuk
pengujian ini adalah kata lain yang dimasukkan melalui
TextBox.
4.1.11 Identifikasi Butir Pengujian Hapus Kata Lain
(P-01-11)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menghapus kata lain. Butir ini tidak
ada masukan, tetapi memilih kata lain yang akan dihapus
dari GridView.
Program Studi Teknik Informatika PDHUPL-RMIS 20/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4.1.12 Identifikasi Butir Pengujian Tampil Kata Lain
(P-01-12)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menampilkan kata lain. Butir ini tidak
ada masukan, semua data kata lain langsung tertampil
dalam bentuk GridView pada saat antarmuka pengelolaan
data pelengkap diakses oleh pengguna.
4.2 Identifikasi Kelas Pengujian Use Case Pengelolaan
Data Training
Kelas Pengujian ini adalah kelas pengujian yang
meliputi proses untuk mengelola data training.
4.2.1 Identifikasi Butir Pengujian Tambah Data
Training (P-02-01)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk mengimpor data training. Masukan untuk
pengujian ini adalah berkas excel.
4.2.2 Identifikasi Butir Pengujian Hapus Data
Training (P-02-02)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menghapus data training. Butir ini
tidak ada masukan, tetapi data training harus sudah ada
dalam basis data.
4.2.3 Identifikasi Butir Pengujian Tampil Data
Training (P-02-03)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menampilkan data training. Butir ini
tidak ada masukan, semua data training langsung
tertampil dalam bentuk GridView pada saat antarmuka
pengelolaan data training diakses oleh pengguna.
Program Studi Teknik Informatika PDHUPL-RMIS 21/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4.3 Identifikasi Kelas Pengujian Use Case Pemrosesan
Data Training
Kelas Pengujian ini meliputi pengujian-pengujian
yang melibatkan fungsi antarmuka use case Mengelola
Petugas dengan aktor Administrator sebagai penggunanya.
4.3.1 Identifikasi Butir Pengujian Tambah Data
Tweets (P-03-01)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk mengimpor data tweets. Masukan untuk
pengujian ini adalah berkas excel.
4.3.2 Identifikasi Butir Pengujian Hapus Data Tweets
(P-03-02)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menghapus data tweets. Butir ini tidak
ada masukan, tetapi data tweets harus sudah ada dalam
basis data.
4.3.3 Identifikasi Butir Pengujian Tampil Data
Tweets (P-03-03)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk menampilkan data tweets. Butir ini
tidak ada masukan, semua data tweets langsung tertampil
dalam bentuk GridView pada saat antarmuka pengelolaan
data tweets diakses oleh pengguna.
4.3.4 Identifikasi Butir Pengujian Pembersihan Data
(P-03-03)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk melakukan pembersihan data tweets.
Butir ini tidak ada masukan, tetapi data tweets harus
sudah ada dalam basis data.
Program Studi Teknik Informatika PDHUPL-RMIS 22/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
4.3.5 Identifikasi Butir Pengujian Tampil Data
Training (P-03-03)
Butir pengujian ini melakukan pengujian terhadap
antarmuka untuk mengklasifikasikan data tweets kedalam
kelas sentimen dan kelas kategori. Butir ini tidak ada
masukan, tetapi data tweets harus sudah ada dalam basis
data dan pembersihan data telah dilakukan.
4.4 Identifikasi Kelas Pengujian Use Case Laporan
Kelas Pengujian ini meliputi pengujian-pengujian
yang melibatkan fungsi antarmuka use case mengelola
Laporan dengan hasil keluaran yaitu berkas excel dan
grafik.
4.4.1 Identifikasi Butir Pengujian Laporan (P-04-01)
Butir pengujian ini melakukan pengujian terhadap
antarmuka mengelola Laporan untuk cetak grafik dan
ekspor berkas excel. Butir ini memiliki masukan nama
berkas dalam TextBox sebelum dilakukan ekspor data
hasil klasifikasi dalam bentuk berkas excel. Untuk
cetak Grafik akan langsung tertampil dalam bentuk
crystal report pada saat antarmuka laporan diakses oleh
pengguna.
Program Studi Teknik Informatika PDHUPL-RMIS 23/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
5. Hasil Pengujian
Pengujian fungsionalitas merupakan penjelasan mengenai hasil pengujian fungsi-fungsi
yang dapat dikerjakan oleh perangkat lunak Branso Analitik, disajikan dalam bentuk tabel.
Tabel 5.1 Hasil Pengujian
Identifikasi Deskripsi Prosedur
Pengujian Masukan
Keluaran
yang
Diharapkan
Kriteria
Evaluasi
Hasil
Hasil yang
didapat Kesimpulan
DATATRAINING_01
Pengujian
menambahk
an data
training
Memilih
menu data
training
Memilih
menu
browse
Memilih
berkas
data
training
Klik kiri
pada
tombol
simpan
Pesan
“Data
berhasil
di
import.”
Pesan
“Data
berhasil
di
import.”
Pesan
“Data
berhasil
di
import.”
Handal
DATATRAINING_02
Pengujian
menampilk
an data
training
Memilih
menu data
training
Klik kiri
pada
menu data
training
Data
training
tampil
pada
GridView
Data
training
tampil
pada
GridView
Data
training
tampil
pada
GridView
Handal
DATATRAINING_03
Pengujian
menghapus
data
training
Memilih
menu
hapus
Klik kiri
pada
tombol
hapus
Pesan
“Data
berhasil
di hapus.”
Pesan
“Data
berhasil
di hapus.”
Pesan
“Data
berhasil
di hapus.”
Handal
Program Studi Teknik Informatika PDHUPL-RMIS 24/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Tabel 5.1 Hasil Pengujian (Lanjutan)
Identifikasi Deskripsi Prosedur
Pengujian Masukan
Keluaran
yang
Diharapkan
Kriteria
Evaluasi
Hasil
Hasil yang
didapat Kesimpulan
DP_KATAPOSITIF_
01
Pengujian
menambahk
an kata
positif
Memilih
menu data
pelengkap
Mengisika
n kata
positif
pada
TextBox
Klik kiri
pada
tombol
tambah
Data baru
ditampilka
n pada
GridView
Data baru
ditampilka
n pada
GridView
Data baru
ditampilka
n pada
GridView
Handal
DP_KATAPOSITIF_
02
Pengujian
menampilk
an kata
positif
Memilih
menu data
pelengkap
Klik kiri
pada
menu data
pelengkap
Data
pelengkap
tampil
pada
GridView
Data
pelengkap
tampil
pada
GridView
Data
pelengkap
tampil
pada
GridView
Handal
DP_KATAPOSITIF_
03
Pengujian
menghapus
kata
positif
Memilih
menu data
pelengkap
Memilih
data kata
positif
dari
GridView
Klik kiri
pada
tombol
hapus
Data
terpilih
hilang
dari
GridView
Data
terpilih
hilang
dari
GridView
Data
terpilih
hilang
dari
GridView
Handal
Program Studi Teknik Informatika PDHUPL-RMIS 25/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Tabel 5.2 Hasil Pengujian (Lanjutan)
Identifikasi Deskripsi Prosedur
Pengujian Masukan
Keluaran
yang
Diharapkan
Kriteria
Evaluasi
Hasil
Hasil yang
didapat Kesimpulan
DP_KATANEGATIF_
01
Pengujian
menambahk
an kata
negatif
Memilih
menu data
pelengkap
Mengisika
n kata
negatif
pada
TextBox
Klik kiri
pada
tombol
tambah
Data baru
ditampilka
n pada
GridView
Data baru
ditampilka
n pada
GridView
Data baru
ditampilka
n pada
GridView
Handal
DP_KATANEGATIF_
02
Pengujian
menampilk
an kata
negatif
Memilih
menu data
pelengkap
Klik kiri
pada
menu data
pelengkap
Data
pelengkap
tampil
pada
GridView
Data
pelengkap
tampil
pada
GridView
Data
pelengkap
tampil
pada
GridView
Handal
DP_KATANEGATIF_
03
Pengujian
menghapus
kata
negatif
Memilih
menu data
pelengkap
Memilih
data kata
negatif
dari
GridView
Klik kiri
pada
tombol
hapus
Data
terpilih
hilang
dari
GridView
Data
terpilih
hilang
dari
GridView
Data
terpilih
hilang
dari
GridView
Handal
Program Studi Teknik Informatika PDHUPL-RMIS 26/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Tabel 5.3 Hasil Pengujian (Lanjutan)
Identifikasi Deskripsi Prosedur
Pengujian Masukan
Keluaran
yang
Diharapkan
Kriteria
Evaluasi
Hasil
Hasil yang
didapat Kesimpulan
DP_KATAKATEGORI
_01
Pengujian
menambahk
an kata
kategori
Memilih
menu data
pelengkap
Mengisika
n kata
kategori
dan jenis
kategori
pada
TextBox
Klik kiri
pada
tombol
tambah
Data baru
ditampilka
n pada
GridView
Data baru
ditampilka
n pada
GridView
Data baru
ditampilka
n pada
GridView
Handal
DP_KATAKATEGORI
_02
Pengujian
menampilk
an kata
kategori
Memilih
menu data
pelengkap
Klik kiri
pada
menu data
pelengkap
Data
pelengkap
tampil
pada
GridView
Data
pelengkap
tampil
pada
GridView
Data
pelengkap
tampil
pada
GridView
Handal
DP_KATAKATEGORI
_03
Pengujian
menghapus
kata
kategori
Memilih
menu data
pelengkap
Memilih
data
kategori
dari
GridView
Klik kiri
pada
tombol
hapus
Data
terpilih
hilang
dari
GridView
Data
terpilih
hilang
dari
GridView
Data
terpilih
hilang
dari
GridView
Handal
Program Studi Teknik Informatika PDHUPL-RMIS 27/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Tabel 5.4 Hasil Pengujian (Lanjutan)
Identifikasi Deskripsi Prosedur
Pengujian Masukan
Keluaran
yang
Diharapkan
Kriteria
Evaluasi
Hasil
Hasil yang
didapat Kesimpulan
DP_KATALAIN_01
Pengujian
menambahk
an kata
lain
Memilih
menu data
pelengkap
Mengisika
n kata
lain pada
TextBox
Klik kiri
pada
tombol
tambah
Data baru
ditampilka
n pada
GridView
Data baru
ditampilka
n pada
GridView
Data baru
ditampilka
n pada
GridView
Handal
DP_KATALAIN_02
Pengujian
menampilk
an kata
lain
Memilih
menu data
pelengkap
Klik kiri
pada
menu data
pelengkap
Data
pelengkap
tampil
pada
GridView
Data
pelengkap
tampil
pada
GridView
Data
pelengkap
tampil
pada
GridView
Handal
DP_KATALAIN_03
Pengujian
menghapus
kata lain
Memilih
menu data
pelengkap
Memilih
data kata
lain dari
GridView
Klik kiri
pada
tombol
hapus
Data
terpilih
hilang
dari
GridView
Data
terpilih
hilang
dari
GridView
Data
terpilih
hilang
dari
GridView
Handal
Program Studi Teknik Informatika PDHUPL-RMIS 28/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Tabel 5.5 Hasil Pengujian (Lanjutan)
Identifikasi Deskripsi Prosedur
Pengujian Masukan
Keluaran
yang
Diharapkan
Kriteria
Evaluasi
Hasil
Hasil yang
didapat Kesimpulan
DATATWEETS_01
Pengujian
menambahk
an data
tweets
Memilih
menu data
mining
Memilih
menu
browse
Memilih
berkas
data
tweets
Klik kiri
pada
tombol
simpan
Pesan
“Data
berhasil
di
import.”
Pesan
“Data
berhasil
di
import.”
Pesan
“Data
berhasil
di
import.”
Handal
DATATWEETS_02
Pengujian
menampilk
an data
tweets
Memilih
menu data
mining
Klik kiri
pada
menu data
mining
Data
tweets
tampil
pada
GridView
Data
tweets
tampil
pada
GridView
Data
tweets
tampil
pada
GridView
Handal
DATATWEETS_03
Pengujian
menghapus
data
tweets
Memilih
menu
hapus
Klik kiri
pada
tombol
hapus
Pesan
“Data
berhasil
di hapus.”
Pesan
“Data
berhasil
di hapus.”
Pesan
“Data
berhasil
di hapus.”
Handal
Program Studi Teknik Informatika PDHUPL-RMIS 29/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Tabel 5.6 Hasil Pengujian (Lanjutan)
Identifikasi Deskripsi Prosedur
Pengujian Masukan
Keluaran
yang
Diharapkan
Kriteria
Evaluasi
Hasil
Hasil yang
didapat Kesimpulan
PEMBERSIHANDATA
Pengujian
pembersih
an data
Memilih
menu data
mining
Mengecek
data
tweets
telah
ditambahk
an
Klik kiri
pada
tombol
pembersih
an data
Pesan
“Pembersih
an Data
Tweets
telah
berhasil.”
Pesan
“Pembersih
an Data
Tweets
telah
berhasil.”
Pesan
“Pembersih
an Data
Tweets
telah
berhasil.”
Handal
KLASIFIKASI
Pengujian
klasifika
si data
Memilih
menu data
mining
Mengecek
data
tweets
telah
ditambahk
an
Klik kiri
pada
tombol
klasifika
si data
Pesan
“Klasifika
si Dataset
telah
berhasil.”
Pesan
“Klasifika
si Dataset
telah
berhasil.”
Pesan
“Klasifika
si Dataset
telah
berhasil.”
Handal
Program Studi Teknik Informatika PDHUPL-RMIS 30/ 30
Dokumen ini dan informasi yang dimilikinya adalah milik Program StudiTeknik Informatika-UAJY dan bersifat rahasia. Dilarang untuk me-reproduksi dokumen ini tanpa diketahui oleh Program Studi Teknik Informatika
Tabel 5.7 Hasil Pengujian (Lanjutan)
Identifikasi Deskripsi Prosedur
Pengujian Masukan
Keluaran
yang
Diharapkan
Kriteria
Evaluasi
Hasil
Hasil yang
didapat Kesimpulan
GRAFIK_LAPORAN
Pengujian
tampil
grafik
laporan
Memilih
menu
laporan
Klik kiri
pada menu
laporan
Grafik
tampil
pada
Crystal
Report
Grafik
tampil
pada
Crystal
Report
Grafik
tampil
pada
Crystal
Report
Handal
EKSPOR_LAPORAN
Pengujian
ekspor
laporan
Memilih
menu
laporan
Memilih
menu
browse
Memilih
lokasi
penyimpan
an
Klik kiri
pada
tombol
simpan
Pesan
“Export
Dataset
telah
berhasil.”
Pesan
“Export
Dataset
telah
berhasil.”
Pesan
“Export
Dataset
telah
berhasil.”
Handal